作为人工智能的重要分支，机械进修获得越来越多的应用，若何更快地控制这门技巧，这篇文┞仿也许会给你打开一扇大年夜门，下面是译文：

在以前的一年迈，机械进修炙手可热。机械进修的“忽然”降临，并不纯真因为便宜的云情况和更强有力的GPU硬件。也是因为开放源码框架的爆炸式增长，这些框架将机械进修中最难的部分抽象出来，并将这项技巧供给给更广大年夜范围的开辟者。

这里有十来个新鲜出炉的机械进修框架，既有初次露面的，也有从新修悛改的。这些对象被大年夜众所留意，或是因为其出处，或是因为以新鲜的简单办法处理问题，或是解决了机械进修中的某个特定难题，或者是上述的所有原因。

Apache Spark MLlib

Apache Spark 最为人所知的是它是Hadoop家族的一员，然则这个内存数据处理框架倒是脱檀竽暌冠Hadoop之外，也正在Hadoop生态体系以外为本身获得了名声。Hadoop 已经成为可供应用的机械进修对象，这得益于其赓续增长的算法库，这些算法可以高速度应用于内存中的数据。

早期版本的Spark 加强了对MLib的支撑，MLib是重要面向数学和统计用户的平台，它许可 经由过程持久化管道特点将Spark机械进修工作挂起和恢复。2016年宣布的Spark2.0，对Tungsten高速内存治理体系和新的DataFrames流媒体API 进行了改进，这两点都邑晋升机械进修应用的机能。

H2O

H2O，如今已经成长到第三版，可以供给经由过程通俗开辟情况(Python, Java, Scala, R)、大年夜数据体系(Hadoop, Spark)以及数据源(HDFS, S3, SQL, NoSQL)拜访机械进修算法的门路。H2O是用于数据收集、模型构建以及办事猜测的端对端解决筹划。例如，可以将模型导出为Java代码，如许就可以在很多平台和情况中进行猜测。

H2O可以作为原生Python库，或者是经由过程Jupyter Notebook, 或者是 R Studio中的R 说话来工作。这个平台也包含一个开源的、基于web的、在H2O中称为Flow的情况，它支撑在练习过程中与数据集进行交互，而不只是在练习前或者练习后。

Apache Singa

“深度进修”框架加强了重义务类型机械进修的功能，如天然说话处理和图像辨认。Singa是一个Apache的孵化器项目，也是一个开源框架，感化是使在大年夜范围数据集上练习深度进修模型变得更简单。

Singa供给了一个简单的编程模型，用于在机械群集上练习深度进修收集，它支撑很多通俗类型的练习工作：卷积神经收集，受限玻尔兹曼机 以及轮回神经收集。 模许可以同步练习(一个接一个)或者也异步(一路)练习，也可以许可在在CPU和GPU群集上，很快也会支撑FPGA。Singa也经由过程Apache Zookeeper简化了群集的设置。

Caffe2

深度进修框架Caffe开辟时秉承的理念是“表达、速度和模块化”，最初是源竽暌冠2013年的机械视觉项目，此后，Caffe还获得扩大接收了其他的应用，如语音和多媒体。

因为速度放在优先地位 ，所以Caffe完全用C+ +实现，并且支撑CUDA加快，并且根据须要可以在CPU和GPU处理间进行切换。分发内容包含免费的用于通俗分类义务的开源参考模型，以及其他由Caffe用户社区创造和分享的模型。

一个新的由Facebook 支撑的Caffe迭代版本称为Caffe2，如今正在开辟过程中，即将进行1.0宣布。其目标是为了简化分布式练习和移动安排，供给对于诸如FPGA等新类型硬件的支撑，并且应用先辈的如16位浮点数练习的特点。

Google的TensorFlow

与微软的DMTK很类似，Google TensorFlow 是一个机械进修框架,旨在跨多个节点进行扩大。 就像Google的 Kubernetes一样，它是是为懂得决google内部的问题而设计的，google最终照样把它作为开源产品宣布出来。

TensorFlow实现了所谓的数据流图，个中的批量数据(“tensors”)可以经由过程图描述的一系列算法进行处理。体系中数据的移动称为“流”-其名也是以得来。这些图可以经由过程C++或者Python实现并且可以在CPU和GPU长进行处理。

TensorFlow比来的进级进步了与Python的兼容性，改进了GPU操作，也为TensorFlow可以或许运行在更多种类的硬件上打开了便利之门，并且扩大了内置的分类和回归对象库。

亚马逊的机械进修

亚马逊在供给机械进修即办事-亚马逊机械进修方面也是如斯。该办事可以连接到存储在亚马逊 S3、Redshift或RDS上的数据，并且在这些数据上运行二进制分类、多级分类或者回归以构建一个模型。然则，值得留意的是生成的模型不克不及导入或导出，而练习模型的数据集不克不及跨越100GB。

然则，亚马逊机械进修展示了机械进修的实用性，而不只是奢跋扈品。对于那些想要更进一步，或者与亚马逊云保持不那么慎密接洽的仁攀来说，亚马逊的深度进修机械图景包含了很多重要的深度进修框架，包含 Caffe2、CNTK、MXNet和TensorFlow。

　　推荐阅读

　　深入浅出：如何从0开始学习大数据挖掘分析？

文┞仿梳理了进修大年夜数据发掘分析的思路与步调，给大年夜家供给一些参考，欲望可以或许对你有所赞助。比来有很多人咨询，想进修大年夜数据，但不知道怎么入手，大年夜哪里开端进修，须>>>详细阅读

本文标题：有助于你掌握机器学习的十三个框架

地址：http://www.17bianji.com/lsqh/37190.html

 1/2    1