Фреймворки для искусственного интеллекта.

МЕНЮ


Искусственный интеллект. Новости
Поиск
Регистрация на сайте

ТЕМЫ


Новости ИИРазработка ИИРабота разума и сознаниеВнедрение ИИРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информации

Авторизация



RSS


RSS новости

Новостная лента форума ailab.ru

Фреймворки для искусственного интеллекта.

За последние годы, спрос на машинное обучение и ИИ вырос в геометрической прогрессии. Кроме того, в результате своей популярности, выросло и само сообщество разработчиков, что в том числе привело к появлению фреймворков ИИ, благодаря чему изучать искусственный интеллект теперь стало намного проще!

В этой статье мы поговорим о лучших фреймворках, которые могут помочь в разработке и изучении искусственного интеллекта.

1. Tensor Flow

Разработанная компанией Google, Tensor Flow?—?это надежная платформа с открытым исходным кодом, поддерживающая глубокое обучение, доступ к которой можно получить даже со смартфона.

Tensor Flow?—?это отличный инструмент для создания и разработки статистических программ. Поскольку фреймворк предлагает распределенное обучение?—?все модели ИИ будут обучаться намного эффективнее на любом уровне абстракции, который предпочитает пользователь. Масштабируемый мультипрограммный интерфейс для комфортного программирования.

Tensor Flow основан на Python. Oн может использоваться фактически на любом CPU и GPU

Система использует вычислительную графическую абстракцию для создания моделей ИИ

2. Microsoft CNTK

Microsoft CNTK?—?это быстрый и универсальный фреймворк с открытым исходным кодом, основанный на нейронных сетях с поддержкой текста, сообщений и ремоделирования голоса. Платформа представляет из себя эффективную среду масштабирования, за счет быстрой общей оценки компьютера с соблюдением качества оценивания.

Microsoft CNTK интегрирован с большей частью массивов данных, что делает этот фреймворк одним из лучших в своем роде, в том числе для таких проектов как: Skype, Cortana и т. д. Помимо всего прочего фреймворк, представляет из себя простой и понятной инструмент, что способствует эффективной работе с ним.

3.Caffe

Caffe2 - вторая итерация фреймворка Caffe от Facebook, изначально разработанного для работы с машинным зрением, сейчас включает и другие применения, например, речь и мультимедиа. Главные черты Caffe2 - это скорость и модульность, поэтому фреймворк написан преимущественно на C++

4. Theano

Благодаря использованию графических процессоров (GPU), вместо центральных процессоров (CPU)?—?модели искусственного интеллекта на основе Theano достигают высокой точности в вычислительных операциях, требующих большой вычислительной мощи. Для вычисления многомерных массивов данных вам потребуется высокая производительность и Theano способен ее обеспечить!

Theano основан на языке программирования Python, который давно зарекомендовал себя в задачах, для решения которых требуется быстрые обработка и ответ.

5. Amazon machine learning

Amazon Machine Learning предоставляет данные из Amazon S3, Redshift и RDS для создания моделей бинарной классификации, мультиклассовой классификации и регрессии. Эти модели нельзя экспортировать. Если вы не хотите работать с облаком Amazon, инструмент предлагает многие другие фреймворки машинного обучения.

6. Torch

Torch представляет собой научную вычислительную среду с широкой поддержкой алгоритмов машинного обучения. Цель Torch - обеспечить максимальную гибкость и скорость в построении научных алгоритмов, делая процесс чрезвычайно простым. Она поставляется с большой экосистемой пакетов по машинному обучению, компьютерному зрению, обработке сигналов, параллельной обработке и т.д

7. Accord.Net

Accord.NET - open source-фреймворк, идеально подходящий для научных вычислений. Он состоит из разных библиотек, которые могут использоваться для распознавания образов, искусственных нейронных сетей, обработки статистических данных, линейной алгебры, обработки изображений и т. д. Accord.NET имеет библиотеку матриц, которая облегчает повторное использование кода и постепенные алгоритмические изменения

8. Apache Mahout

Apache Mahout представлял масштабируемое машинное обучение в Hadoop до появления Spark. Недавно Mahout был обновлен: в него добавлена новая среда Samsara, которая запускает алгоритмы в распределенном кластере Spark. Фреймворк раньше был привязан к Hadoop, но сейчас многие алгоритмы могут быть запущены вне Hadoo

9. Spark MLib

Apache Spark наиболее известен как часть системы Hadoop, но этот фреймворк для обработки данных появился вне Hadoop. Благодаря своей растущей библиотеке алгоритмов, Spark стал надежным инструментом машинного обучения, который можно применить для высокоскоростной обработки данных.



Поддержи проект ai-news рублем. Машины верят в тебя! >>



Комментарии: