GitHub上最受欢迎的28款开源的机器学习项目，TensorFlow位列其中.doc

《GitHub上最受欢迎的28款开源的机器学习项目，TensorFlow位列其中.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、GitHub上最受欢迎的28款开源的机器学习项目，TensorFlow位列其中　　现在机器学习逐渐成为行业热门，经过二十几年的发展，机器学习目前也有了十分广泛的应用，如：数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人等方面。　　云栖社区特意翻译整理了目前GitHub上最受欢迎的28款开源的机器学习项目，以供开发者参考使用。1.TensorFlow　　　　TensorFlow是谷歌发布的第二代机器学习系统。据谷歌宣称，在部分基准测试中，TensorFlow的处理速度比第一代的Di

2、stBelief加快了2倍之多。　　具体的讲，TensorFlow是一个利用数据流图（DataFlowGraphs）进行数值计算的开源软件库：图中的节点（Nodes）代表数学运算操作，同时图中的边（Edges）表示节点之间相互流通的多维数组，即张量（Tensors）。这种灵活的架构可以让使用者在多样化的将计算部署在台式机、服务器或者移动设备的一个或多个CPU上，而且无需重写代码；同时任一基于梯度的机器学习算法均可够借鉴TensorFlow的自动分化（Auto-differenTIaTIon）；此外通过灵活的Python接口，要在TensorFlow

3、中表达想法也变得更为简单。　　TensorFlow最初由GoogleBrain小组（该小组隶属于Google’sMachineIntelligence研究机构）的研究员和工程师开发出来的，开发目的是用于进行机器学习和深度神经网络的研究。但该系统的通用性足以使其广泛用于其他计算领域。　　目前Google内部已在大量使用AI技术，包括GoogleApp的语音识别、Gmail的自动回复功能、GooglePhotos的图片搜索等都在使用TensorFlow。　　开发语言：C++　　许可协议：ApacheLicense2.0　　GitHub项目地址：http

4、s://github.com/tensorflow/tensorflow2.Scikit-Learn　　Scikit-Learn是用于机器学习的Python模块，它建立在SciPy之上。该项目由DavidCournapeau于2007年创立，当时项目名为GoogleSummerofCode，自此之后，众多志愿者都为此做出了贡献。　　主要特点：　　操作简单、高效的数据挖掘和数据分析　　无访问限制，在任何情况下可重新使用　　建立在NumPy、SciPy和matplotlib基础上　　Scikit-Learn的基本功能主要被分为六个部分：分类、回归、聚类

5、、数据降维、模型选择、数据预处理，具体可以参考官方网站上的文档。经过测试，Scikit-Learn可在Python2.6、Python2.7和Python3.5上运行。除此之外，它也应该可在Python3.3和Python3.4上运行。　　注：Scikit-Learn以前被称为Scikits.Learn。　　开发语言：Python　　许可协议:3-ClauseBSDlicense　　GitHub项目地址:https://github.com/scikit-learn/scikit-learn3.Caffe　　Caffe是由神经网络中的表达式、速度、

6、及模块化产生的深度学习框架。后来它通过伯克利视觉与学习中心（(BVLC）和社区参与者的贡献，得以发展形成了以一个伯克利主导，然后加之Github和Caffe-users邮件所组成的一个比较松散和自由的社区。　　Caffe是一个基于C++/CUDA架构框架，开发者能够利用它自由的组织网络，目前支持卷积神经网络和全连接神经网络（人工神经网络）。在Linux上，C++可以通过命令行来操作接口，对于MATLAB、Python也有专门的接口，运算上支持CPU和GPU直接无缝切换。　　Caffe的特点　　易用性：Caffe的模型与相应优化都是以文本形式而非代码

7、形式给出，Caffe给出了模型的定义、最优化设置以及预训练的权重，方便快速使用；　　速度快：能够运行最棒的模型与海量的数据；　　Caffe可与cuDNN结合使用，可用于测试AlexNet模型，在K40上处理一张图片只需要1.17ms；　　模块化：便于扩展到新的任务和设置上；　　使用者可通过Caffe提供的各层类型来定义自己的模型；　　目前Caffe应用实践主要有数据整理、设计网络结构、训练结果、基于现有训练模型，使用Caffe直接识别。　　开发语言：C++　　许可协议：BSD2-Clauselicense　　GitHub项目地址:https://g

8、ithub.com/BVLC/caffe4.PredicTIonIO　　PredicTIonIO是面向开发人员和数据科学家