微软的Azure ML Studio

Azure ML Studio许可用户创建和练习模型，然后把这些模型转成被其他办事所应用的API。免费用户的每个账号可以试用多达10GB的模型数据，你也可以连接本身的Azure存储以获得更大年夜的模型。有大年夜范围的算法可供应用，这要感激微软和第三方。

比来的改进包含经由过程Azure批处理办事、更好的安排治理控制和具体的web办事应用统计，对练习义务进行了批量治理。

微软的分布式机械进修对象集

在机械进修问题中投入更多的机械，会取得更好的效不雅-然则开辟在大年夜量计算机都能运行优胜的机械进修应用倒是挺伤脑筋的事。

微软的DMTK(分布式机械进修对象集)框架解决了在体系集群平分布多种机械进修义务的问题。

DMTK被认为是一个框架而不是一个完全成熟、随去随用的解决筹划，是以包含算法的数量是很小的。然而，你照样会找到一些关键的机械进修库，例如梯度加强框架(LightGBM)，以及对于一些像Torch和Theano如许深度进修框架的支撑。

DMTK的设计应用户可以应用有限的资本构建最大年夜的群集。例如，群集中的每个节点都邑有本地缓存，大年夜而削减了与中心办事器节点的通信流量，该节点为义务供给参数。

微软的计算收集对象集

在宣布DMTK之后，微软又推出了另一款机械进修对象集，即计算收集对象包，简称CNTK。

Neon主如果用Python编写，也有一部分是用C++和汇编以进步速度。这使得该框架可认为应用Python或者其他任何与Python绑定框架进行数据科学工作的人所用。

CNTK与Google TensorFlow类似，它许可用户经由过程一个有向图来创建神经收集。微软也认为CNTK可以与诸如Caffe、Theano和 Torch如许的项目相媲美，-此外CNTK还能经由过程应用多CPU和GPU进行并行处理而获得更快的速度。微软声称在Azure上的GPU群集上运行CNTK，可以将为Cortana的语音辨认练习速度进步一个数量级。

最新版的CNTK 2.0经由过程进步精确性进步了TensorFlow的热度，添加了一个Java API，用于Spark兼容性，并支撑kera框架(平日用于TensorFlow)的代码。

Apache Mahout

mlpack 2

亚马逊对云办事的办法遵守一种模式：供给根本的内容，让核心受众存眷，让他们在膳绫擎构建应用，找出他们真正须要的内容，然后交付给他们。

Mahout框架经久以来一向与Hadoop绑定，但它典范多算法也可以在Hadoop之外运行。这对于那些最终迁徙到Hadoop的自力应用或者是大年夜Hadoop中剥离出来成为零丁的应用都很有效。

Veles (Samsung)

[Veles]https://velesnet.ml/)是一个用于深度进修应用的分布式平台，就像TensorFlow和DMTK一样，它是用C++编写的，尽管它应用Python来履行节点之间的主动化和调和。在被传输进群集之前，要对数据集分析并且进行主动的归一化，然后调用REST API来即刻应用已练习的模型(假定你的硬件知足这项义务的须要)

Veles不仅仅是应用Python作为粘合代码，因为基于Python的Jupyter Notebook 可以用来可视化和宣布由一个Veles集群产生的结不雅。Samsung欲望，经由过程将Veles 开源将会刺激进一步的开辟，作为通往Windows和MacOS的门路。

在Spark占据主流地位之前良久，Mahout就已经开辟出来，用于在Hadoop长进行可扩大机械进修。但经由一段长时光的相对沉默之后，Mahout又从新焕发了活力，例如一个用于数学的新情况，称为Samsara，允很多种算法可以跨越分布式Spark群集上运行。并且支撑CPU和GPU运行。

作为一个基于C++的机械进修库，mlpack最初产生于2011年，按照库的创建者设法主意，设计mlpack是为了“可扩大性，速度和易于应用。”mlpack既可以经由过程由若干行敕令行可履行法度榜样构成的“黑盒”进行操作，也可以应用C++ API来完成复杂的工作。

mlpack的第二版包含了很多新的算法，以及现有算法的重构，以进步它们的速度或使它们瘦身。例如，它舍弃了Boost库的随机数生成器，转而采取C++ 11的原生随机数功能。

推敲到履行机械进修所需的大年夜量数据和计算才能，对于机械进修应用云是一种幻想情况。微软已经为Azure配备了本身的即付即竽暌姑的机械进修办事-Azure ML Studio，供给了按月、按小时和免费的版本。(该公司的HowOldRobot项目就是应用这个体系创建的。)你甚至不须要一个账户来就可以试用这项办事;你可以匿名登录，免费应用Azure ML Studio最多8小时。

　　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