Топ 9 рамки в света на изкуствения интелект

Изминаха времената, в които AI се смяташе за измислен.


От роботи до Google Siri и сега въвеждането на новия Google Duplex, Изкуственият интелект изглежда постигна значителни крачки, за да стане все по-хуманна.

Търсенето на машинно обучение и ИИ нараства експоненциално. Освен това самата общност се е увеличила в резултат на това и това е довело до развитието на някои AI рамки, които правят ученето AI много по-лесно.

В тази статия ще обсъдим някои от най-добрите рамки, за да започнете с развитието на AI.

Тензорен поток

Приветствие от семейството на Google, Тензорен поток се оказва здрава рамка с отворен код, която поддържа задълбочено обучение и до която можете да получите достъп дори от мобилно устройство.

Потокът на тензора се счита за подходящ инструмент за разработване на статистически програми. Тъй като предлага разпределено обучение, моделите на машините могат да бъдат обучени много по-ефективно на всяко ниво на абстракция, което потребителят предпочита.

Характеристика

  • Мащабируем мултипрограмен интерфейс за лесно програмиране
  • Двигатели със силен растеж, със силна общност с отворен код
  • Предоставя обширни и добре документирани наръчници за хората

Професионалисти

  • Езикът, използван от тензорния поток, е Python, който е много популярен в днешно време.
  • Тази рамка е в състояние да има висока изчислителна мощност. Следователно, той може да се използва на всеки процесор или GPU.
  • Използва изчислителна абстракция на графика за създаване на модели на машини

Против

  • За да вземе решение или прогноза, рамката предава входните данни през множество възли. Това може да отнеме време.
  • Липсват и много от предварително подготвените модели на AI.

Microsoft CNTK

Microsoft CNTK е по-бърза и многостранна рамка с отворен код, която се основава на невронни мрежи, които поддържат преобразуване на текст, съобщения и глас.

Той осигурява ефикасна среда за мащабиране поради по-бърза цялостна оценка на моделите на машината, като същевременно се грижи за точността.

Microsoft CNTK има интеграции с големи масивни масиви данни, което го прави водещ избор да бъде възприет от големи играчи като Skype, Cortana и др., С много изразителна лесна за използване архитектура.

Характеристика

  • Силно оптимизиран за осигуряване на ефективност, мащабируемост, бързина и високо ниво на интеграция
  • Има вградени компоненти като настройка на хиперпараметри, контролирани модели за обучение, армировка, CNN, RNN и т.н..
  • Ресурсите се използват за осигуряване на най-добра ефективност.
  • Собствени мрежи, които могат да бъдат изразени ефективно като пълни API, както високо, така и ниско ниво

Професионалисти

  • Тъй като поддържа Python и C ++, тази рамка може да работи с няколко сървъра наведнъж и по този начин прави процеса на обучение по-бърз.
  • Той е разработен, като се има предвид последните събития в света на AI. Архитектурата на Microsft CNTK поддържа GAN, RNN и CNN.
  • Той позволява разпределено обучение за ефективно обучение на модели на машини.

Против

  • Липсва визуализационна дъска и поддръжка за мобилни ARM.

Caffe

Caffe е мрежа за дълбоко обучение, която се предлага заедно с предварително заредения набор от обучени невронни мрежи. Това трябва да е първият ви избор, ако срокът ви е близо.

Известна със своите възможности за обработка на изображения, тази рамка също има разширена поддръжка на MATLAB.

Характеристика

  • Всичките му модели са написани в схеми с незабележим текст
  • Предлага огромна скорост и високоефективна работа, тъй като тя вече е предварително заредена.
  • Активна общност с отворен код за дискусия и код за сътрудничество.

Професионалисти

  • Свързващи C, C ++ и Python, той също така поддържа моделирането на CNN (конволюционни невронни мрежи)
  • Ефективен при изчисляване на числови задачи поради неговата скорост.

Против

  • Caffe не е в състояние да обработва сложни данни, но е сравнително бърз при работа с визуална обработка на изображения.

Theano

Използвайки графични процесори вместо процесор, тази рамка поддържа задълбочени изследвания и е в състояние да осигури точност за мрежи, които се нуждаят от висока изчислителна мощност. Например, изчисляването на многоизмерни масиви изисква висока мощност и Theano е способен на това.

Theano се основава на python, който е доказан език за програмиране, когато става въпрос за по-бърза обработка и реакция.

Характеристика

  • Оценката на изразите е по-бърза поради динамичното генериране на код
  • Осигурява отлично съотношение на точност, дори когато стойностите са минимални.
  • Тестването на единици е важна характеристика на Theano, тъй като позволява на потребителя да самопроверява кода си, както и лесно да открива и диагностицира грешки.

Професионалисти

  • Theano предлага ефективна поддръжка за всички интензивни приложения, но изисква комбиниране с други библиотеки.
  • Ефективно оптимизиран за процесора, както и за графичния процесор

Против

  • Няма да има повече актуализация или добавяне на функции към текущата версия на Theano.

 Машинно обучение на Amazon

Да бъдеш тенденциозен участник в AI общността, Машинно обучение на Amazon предлага висок клас подкрепа при разработването на инструменти за самообучение.

Тази рамка вече има съществуващи потребителски бази в множеството си услуги като AWS, S3 и Amazon Redshift. Това е управлявана услуга от Amazon, с три операции, извършени върху модела, които са анализ на данни, обучение на модел и оценка.

Характеристика

  • Има адаптирани инструменти за всяко ниво на опит в AWS, дори ако сте начинаещ, учен или разработчик на данни
  • Сигурността е от изключително значение, така че всички данни са криптирани
  • Предоставя обширни инструменти за анализ и разбиране на данните
  • Интеграции с всички основни набори от данни

Професионалисти

  • Не е нужно да пишете много код с тази рамка. Вместо това ви позволява да взаимодействате с AI-захранвана рамка чрез API.
  • Често използван от учени, разработчици на данни и изследователи на ML.

Против

  • Липсва гъвкавост, тъй като цялата рамка е абстрахирана, така че ако искате да изберете конкретен алгоритъм за нормализиране или машинно обучение, не можете да.
  • Липсва и визуализация на данните.

факел

Най- факел е рамка с отворен код, която може да поддържа числени операции. Той предлага множество алгоритми за по-бързо развитие на мрежи за дълбоко обучение.

Използва се широко в AI лабораториите на Facebook и Twitter. Има основана на python рамка, известна като PyTorch, която се оказа по-проста и надеждна.

Характеристика

  • Разполага с много подпрограми за индексиране, прерязване, транспониране с N-размерен модел масив
  • Съществуват рутинни процедури за оптимизация, предимно цифрови, базирани на модели на невронни мрежи
  • Поддръжката на GPU е високоефективна
  • Интегрира се лесно с iOS и Andriod

Професионалисти

  • Много висока гъвкавост по отношение на езиците и интеграциите
  • Високо ниво на скорост и ефективност на използване на графичния процесор
  • Предлагат се вече съществуващи модели за обучение на данните.

Против

  • Документацията не е много ясна за потребителите, така че представя по-стръмна крива на обучение
  • Липса на код за незабавна употреба, така че отнема време.
  • Първоначално се основава на език за програмиране, наречен Lua, и не много от тях са наясно.

Accord.Net

Accord.net е базирана на C # рамка, която подпомага развитието на невронни мрежи, използвани за обработка на аудио и изображения.

Приложенията могат да използват това в търговската мрежа и за производство на приложения за компютърно зрение, обработка на сигнали, както и за статистически приложения.

Характеристика

  • Зряла, добре тествана кодова база, както беше стартирана през 2012 г.
  • Предоставя изчерпателен набор от примерни модели и набори от данни, за да стартирате бързо приложението си

Професионалисти

  • Непрекъснато се поддържа от активен екип за развитие.
  • Тази добре документирана рамка, която ефективно се справя с интензивно изчисленията и визуализацията на числата
  • Прилагането на алгоритми и обработка на сигнали може да се извърши удобно с тази рамка.
  • Лесно може да се справи с цифровата оптимизация и изкуствените невронни мрежи.

Против

  • Не е много добре известно в сравнение с други рамки.
  • Изпълнението му е по-бавно в сравнение с други рамки.

Apache Mahout

Apache Mahout, като рамка с отворен код, цели разработването на мащабируеми рамки за машинно обучение. Той не се занимава с API-тата като такива, но помага при внедряването на нови алгоритми за машинно обучение от учени и инженери по данни.

Характеристика

  • Известен е с Scala DSL, който е математически много изразителен
  • Разширява поддръжката на множество пакети, които се разпространяват.

Професионалисти

  • Помага за групиране, съвместно филтриране и класификация.
  • Неговите изчислителни операции използват Java библиотеки, което е по-бързо.

Против

  • Python библиотеките не са толкова съвместими като Java библиотеките с тази рамка.
  • Неговите изчислителни операции са по-бавни от Spark MLib.

Искри MLib

Искри MLib Framework от Apache се поддържа от R, Scala, Java и Python. Може да бъде зареден с работни процеси на Hadoop за осигуряване на алгоритми за машинно обучение като класификация, регресия и групиране.

Освен Hadoop, той може да бъде интегриран и с облачните, Apache или дори самостоятелни системи.

Характеристика

  • Високата производителност е един от ключовите елементи и се казва, че е 100 пъти по-бърза от MapReduce
  • Spark е изключително универсален и работи в множество компютърни среди

Професионалисти

  • Той може да обработва огромно количество данни бързо, тъй като работи върху итеративни изчисления.
  • Предлага се на много езици и лесно се включва.
  • Той циклизира големи мащаби за обработка на данни с лекота.

Против

  • Може да се включи само с Hadoop.
  • Трудно е да се разбере механизмът на тази рамка, без обширна работа по същия

AI рамково сравнение

рамкаезикОтворен код?Характеристики на архитектурата
TensorFlowC ++ или PythonдаИзползва структури от данни
Microsoft CNTK° С++даНа базата на GPU / CPU. Той поддържа RNN, GNN и CNN.
Caffe° С++даАрхитектурата му поддържа CNN
TheanoПитондаГъвкава архитектура, позволяваща му да се разположи във всеки GPU или CPU
Амазонско машинно обучениеНяколко езикадаРодом от Amazon, той използва AWS.
факелLuaдаАрхитектурата му позволява мощни изчисления.
Accord.Net° С#даСпособен за научни изчисления и разпознаване на образи.
Apache MahoutЯва, СкаладаСпособен да прави машините да учат, без да се налага да програмирате
Искри MLibR, Scala, Java и PythonдаДрайверите и изпълнителите работят в своите процесори. Хоризонтални или вертикални клъстери.

Надявам се по-горе да ви помогне да изберете рамката на AI за следващата си модерна разработка на приложения.

Ако сте разработчик и искате да научите задълбочено обучение, за да влезете в AI, тогава можете да помислите за това специализиран онлайн курс от Coursera.

Jeffrey Wilson Administrator
Sorry! The Author has not filled his profile.
follow me
    Like this post? Please share to your friends:
    Adblock
    detector
    map