人工智能开源框架一览

如何选择一款合适的开源框架？不妨先了解一下目前主流的深度学习主流框架。

1）TensorFlow：深度学习最流行的库之一，是谷歌在深刻总结了其前身DistBelief的经验教训上形成的；它不仅便携、高效、可扩展，还能在不同计算机上运行：小到智能手机，大到计算机集群；它是一款轻量级的软件，可以立刻生成你的训练模型，也能重新实现它；TensorFlow有强大的社区、企业支持，因此它广泛用于从个人到企业、从初创公司到大公司等不同群体。

2）Caffe：卷积神经网络框架，专注于卷积神经网络和图像处理，是用C++语言写成的，执行速度非常快。

3）Chainer：一个强大、灵活、直观的机器学习Python软件库，能够在一台机器上利用多个GPU，由深度学习创业公司Preferred Networks开发，在Github上有相当数量的项目；Chainer的设计基于“define by run”原则，也就是说，该网络在运行中动态定义，而不是在启动时定义，这也是该框架的一大亮点。

4）CNTK：CNTK（Computational Network ToolKit）是微软研究人员开发的用于深度神经网络和多GPU加速技术的完整开源工具包。微软称CNTK在语音和图像识别方面，比谷歌的TensorFlow等其他深度学习开源工具包更有优势。

5）Deeplearning4j：专注于神经网络的Java库，可扩展并集成Spark、Hadoop和其他基于Java的分布式集成软件。

6）Nervana Neo：是一个高效的Python机器学习库，它能够在单个机器上使用多个GPU。

7）Theano：是一个用Python编写的极其灵活的Python机器学习库，用它定义复杂的模型相当容易，因此它在研究中极其流行。

8）Torch：是一个专注于GPU实现的机器学习库，得到了像Facebook、谷歌、Twitter这样的大公司的研究团队的支持。

北京博视科技有限公司，一家专业从事在线教育软件开发和后期视频制作的技术型教育服务公司