2021年5个顶级人工智能框架_人工智能_框架
> Photo by Alex Kotliarskyi on Unsplash
在本文中，我想与他们的实际运用程序共享前五个框架和库。人工智能是打算领域的未来。看到越来越多的人工智能技能需求，越来越多的程序员熟习了这一科学。我希望本指南将帮助您得到启示，并开始更多地理解这个强大且不断发展的领域。
目录：· 背景
· 先容
· Caffe
· Torch
· ScikitLearn
· Google Cloud AutoML
· 亚马逊机器学习
· 结论
人工智能是一种工具，不是威胁。—罗德尼·布鲁克斯
背景一些主要的关键数据可以使我们有所理解：
· 2019年认知和人工智能系统市场的做事部门收入— 127亿美元
· 人工智能业务运营环球收入2023 — 108亿美元
· 2025年环球自然措辞处理（NLP）市场规模— 433亿美元
· 2019年环球人工智能创业公司的融资金额— 24B美元
（参考数据：https：//www.statista.com）
这是一个俊秀的图表，显示了领先的高科技公司收购了多少个人工智能初创企业：
> https://www.statista.com/chart/9443/ai-acquisitions/
先容
假设您决定在这一领域进行练习和发展。本日，我们将看到软件工程师如何将深度学习和人工智能运用于他们的编程事情。
我们必须知道的第一件事是如何运用它，这是一个进行研究的好问题："什么是2021年开始学习的最有用的框架/库？"这正是我问自己的问题。
这便是我们本日在本文中要办理的问题：我网络了每个软件工程师/开拓职员都须要理解的最受欢迎的五个人工智能框架和库。您还将找到官方文档页面以及一些有关如何运用它们的实践运用程序。
这将有助于我们不仅理解他们的名字，而且更理解他们。足够先容。让我向您先容小队！
作为咖啡爱好者，我想从Caffe开始，它代表快速特色嵌入的卷积架构。伯克利AI的Analysis Caffe是与小组成员互助的深度学习框架。
通过其框架，可以启动措辞，速率和可用性。它具有可靠的体系构造，可遵照配置定义的系统，并且无需硬编码即可进行优化。这对付在CPU和GPU之间进行切换也很有用。
Caffe是一个科研项目和工业履行的空想选择，由于它每天利用一个NVIDIA GPU即可处理超过6000万张照片。
AI框架可相应C ++，CUDA的命令行，Python和MATLAB接口。建立协进化神经网络（CNN）以利用Caffe识别图片非常大略。
官方页面：Caffe https://caffe.berkeleyvision.org/
价格：免费（开源）
一些实际的运用程序：
· 学习LeNet https://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/01-learning-lenet.ipynb
· 图像分类和滤镜可视化 https://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb
2.TorchTorch是用于科学和数字处理的科学打算系统。它产生具有节奏，多功能性和可用性的算法。
Torch彷佛将GPU放在首位，并且是与NumPy等效的Tensor库。它捆绑在LuaJIT中，并且具有C / CUDA的基本集成。通过利用大量算法，这提高了性能并促进了深度学习剖析。
Torch利用者配备了易于利用的库，因此可以对人工智能分布式系统进行模块化运用。通过通用的N维数组，这可以通过诸如切割和分度之类的程序来改进。它还包括线性代数协议和神经网络。
官方页面：火炬 http://torch.ch/
价格：免费（开源）。
一些实际的运用程序：
· 玩Atari游戏的Deep-Q强化学习 https://github.com/soumith/cvpr2015/blob/master/DQN%20Training%20iTorch.ipynb
· 运用视觉和自然措辞深度学习 https://on-demand.gputechconf.com/gtc/2015/webinar/torch7-applied-deep-learning-for-vision-natural-language.mp4
3. Scikit-learnScikit-learn是人工智能的可访问方法之一，可从商业上得到AI框架。这是一个Python程序，可同时进行有监督和无监督的机器学习。
它是通用的AI创建方法之一，支持分组，回归，聚类算法和降维，模型网络和预处理。
数据科学家可以利用sci-kit learning供应的详细用户指南轻松地访问工具，从分类和多标签算法到协方差估计。
Sci-kit编程具有交叉验证，受控和不受监控的学习算法等功能。
官方页面：Scikit-learn https://scikit-learn.org/stable/
价格：免费（开源）。
一些实际的运用程序：
· 支持向量机（SVM）监督学习 https://scikit-learn.org/stable/modules/svm.html#classification
· 分解组件中的旗子暗记 https://scikit-learn.org/stable/modules/decomposition.html#decompositions
4. Google Cloud AutoML关于前面提到的所有工具和库，Auto ML当前是机器学习工程师可用工具库中最新最好的一种。
如概述中所述，效率对付机器学习职责至关主要。只管从中得到的好处是可不雅观的，但确定最佳超参数并非易事。
在类似黑匣子的神经网络中尤其如此，随着网络繁芜性的增加，决定主要事变的难度也越来越大。请记住一个有趣的事实：Google云端做事供应了Auto ML。
官方页面：Google Cloud AutoML https://cloud.google.com/automl
价格：定价（按利用量付费）。
一些实际的运用程序：
· AutoML视觉 https://cloud.google.com/vision/automl/docs
· 利用AutoML自然措辞进行自定义文本分类 https://www.youtube.com/watch?v=ieaqfU1BwJ8
5.亚马逊机器学习Amazon Web Services（AWS）具有广泛的机器学习框架，环球数百个组织和组织都在利用。其软件与核心人工智能系统集成，并供应了一系列现成的AI运用程序。从谈天机器人到分类，AWS供应了许多演习有素的智能模型。
官方页面：AWS Machine Learning https://aws.amazon.com/
价格：定价（按利用量付费）。
一些实际的运用程序：
· Amazon Personalize：利用Amazon更快地得到实时个性化用户体验 https://aws.amazon.com/personalize/?c=ml&sec=srv
· Amazon Kendra：高度精确的智能搜索做事。 https://aws.amazon.com/kendra/?c=ml&sec=srv
结论当然，除了列出的框架和库外，还有许多其他框架和库。我只分享了一滴人工智能和深度学习海洋。
人工智能是打算领域的一个迷人的市场。每个自重的软件开拓职员都必须具有武断的AI开拓履历。至少有一些背景知识。
成为一名精良的AI专业职员须要强大的理智，技能，毅力和职业道德。如果您有它们，那么现在是进入此领域的空想选择和韶光。
我在本文中的目标是为您供应有关该领域的一些见识和启示。希望对您的阅读有帮助。如果您有任何疑问或见地，请随时与我联系。
(本文由闻数起舞翻译自Rubén Romero的文章《5 Top Artificial Intelligence Frameworks for 2021》，转载请注明出处，原文链接：https://towardsdatascience.com/5-top-artificial-intelligence-frameworks-for-2021-7d3bf8e12ed1)
本文系作者个人观点，不代表本站立场，转载请注明出处！
