AI世代基石：盤點四大機器學(xué)習(xí)開源框架
來源：
奇酷教育 發(fā)表于：
1 Theano Theano 在深度學(xué)習(xí)框架中是祖師級的存在。它的開發(fā)始于 2007，早期開發(fā)者包括傳奇人物 Yoshua Bengio 和 Ian Goo
1. Theano
Theano 在深度學(xué)習(xí)框架中是祖師級的存在。它的開發(fā)始于 2007，早期開發(fā)者包括傳奇人物 Yoshua Bengio 和 Ian Goodfellow。
Theano 基于 Python，是一個擅長處理多維數(shù)組的庫（這方面它類似于 NumPy）。當(dāng)與其他深度學(xué)習(xí)庫結(jié)合起來，它十分適合數(shù)據(jù)探索。它為執(zhí)行深度學(xué)習(xí)中大規(guī)模算法的運算所設(shè)計。其實，它可以被更好地理解為一個數(shù)學(xué)表達式的編譯器：用符號式語言定義你想要的結(jié)果，該框架會對你的程序進行編譯，來高效運行于 GPU 或 CPU。
它與后來出現(xiàn)的 Tensorflow 功能十分相似（或者應(yīng)該說，Tensorflow 類似 Theano ），因而兩者常常被放在一起比較。它們本身都偏底層，同樣的，Theano 像是一個研究平臺多過是一個深度學(xué)習(xí)庫。你需要從底層開始做許多工作，來創(chuàng)建你需要的模型。比方說，Theano 沒有神經(jīng)網(wǎng)絡(luò)的分級。
但隨著這些年的發(fā)展，大量基于 Theano 的開源深度學(xué)習(xí)庫被開發(fā)出來，包括 Keras, Lasagne 和 Blocks。這些更高層級的 wrapper API，能大幅減少開發(fā)時間以及過程中的麻煩。甚至，據(jù)調(diào)查統(tǒng)計所知，很少開發(fā)者會使用“裸奔”的 Theano，多數(shù)人需要輔助的 API。順便說一句，Theano 是一整套生態(tài)系統(tǒng)，別只用它裸奔，然后抱怨不好用。
2. Caffe
這又是一個祖師級的深度學(xué)習(xí)框架，2013 年就已問世。
它的全稱是 “Convolution Architecture For Feature Extraction”，意為“用于特征提取的卷積架構(gòu)”，很明白地體現(xiàn)了它的用途。Caffe 的創(chuàng)始人，是加州大學(xué)伯克利分校的中國籍博士生賈揚清。當(dāng)時賈在伯克利計算機視覺與學(xué)習(xí)中心做研究。博士畢業(yè)后，他先后在谷歌和 Facebook 工作。
在 AI 開發(fā)者圈子中，Caffe 可以說是無人不知、無人不曉。據(jù) GitHub 最新的機器學(xué)習(xí)項目熱度排名，Caffe 僅位列 Tensorflow 之后，雄踞第二。它是一個被廣泛使用的機器視覺庫，把 Matlab 執(zhí)行快速卷積網(wǎng)絡(luò)的方式帶到 C 和 C++。雖然 Caffe 被部分開發(fā)者看做是通用框架，但它的設(shè)計初衷是計算機視覺--并不適于其他深度學(xué)習(xí)應(yīng)用，比如文字、和處理時間序列數(shù)據(jù)。
Caffe 的主要用途：利用卷積神經(jīng)網(wǎng)絡(luò)進行圖像分類。這方面它代表了業(yè)內(nèi)一流水平，是開發(fā)者的首選。
說到 Caffe，就不得不提 Model Zoo。后者是在 Caffe 基礎(chǔ)上開發(fā)出的一系列模型的匯聚之地。因此，開發(fā)者使用 Caffe 最大的好處是：能在 Model Zoo 海量的、事先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中，選擇貼近自己使用需求的直接下載，并立刻就能用。
業(yè)內(nèi)人士普遍認為，Caffe 適合于以實現(xiàn)基礎(chǔ)算法為主要目的的工業(yè)應(yīng)用，有利于快速開發(fā)。但對于處理較特殊的任務(wù)，它存在靈活性不足的問題--為模型做調(diào)整常常需要用 C++ 和 CUDA，雖然 Python 和 Matlab 也能做些小調(diào)整。
3. Torch
相比其他開源框架，Torch 是一個非主流。
沒錯，說的就是它的開發(fā)語言：基于1990 年代誕生于巴西的 Lua，而非機器學(xué)習(xí)界廣泛采用的 Python。其實 Lua 和Python 都屬于比較容易入門的語言。但后者明顯已經(jīng)統(tǒng)治了機器學(xué)習(xí)領(lǐng)域，尤其在學(xué)界。而企業(yè)界的軟件工程師最熟悉的是 Java，對 Lua 也比較陌生。這導(dǎo)致了 Torch 推廣的困難。因此，雖然 Torch 功能強大，但并不是大眾開發(fā)者的菜。
那么它強大在哪里？
首先，Torch 非常適用于卷積神經(jīng)網(wǎng)絡(luò)。它的開發(fā)者認為，Torch 的原生交互界面比其他框架用起來更自然、更得心應(yīng)手。
其次，第三方的擴展工具包提供了豐富的遞歸神經(jīng)網(wǎng)絡(luò)（ RNN）模型。
因為這些強項，許多互聯(lián)網(wǎng)巨頭開發(fā)了定制版的 Torch，以助力他們的 AI 研究。這其中包括 Facebook、Twitter，和被谷歌招安前的 DeepMind。
與 Caffe 相比，在 Torch 里定義一個新層級比它要容易，因為你不需要寫 C++ 代碼。和 TensorFlow 和 Theano 比起來，Torch 的靈活度更高，因為它是命令式的；而前兩者是陳述式的（declarative），你必須 declare 一個計算圖。這使得在 Torch 上進行束搜索（beam search）這樣的操作要比它們?nèi)菀椎枚唷?/div>
4. SciKit-learn
SciKit-learn 是老牌的開源 Python 算法框架，始于 2007 年的 Google Summer of Code 項目，最初由 David Cournapeau 開發(fā)。
它是一個簡潔、高效的算法庫，提供一系列的監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)的算法，以用于數(shù)據(jù)挖掘和數(shù)據(jù)分析。SciKit-learn 幾乎覆蓋了機器學(xué)習(xí)的所有主流算法，這為其在 Python 開源世界中奠定了江湖地位。
它的算法庫建立在 SciPy (Scientific Python) 之上--你必須先安裝 SciPy 才能使用 SciKit-learn 。它的框架中一共包括了：
NumPy: 基礎(chǔ)的多維數(shù)組包
SciPy: 科學(xué)計算的基礎(chǔ)庫
Matplotlib: 全面的 2D/3D 測繪
IPython: 改進的交互控制器
Sympy: 符號數(shù)學(xué)
Pandas:數(shù)據(jù)結(jié)構(gòu)和分析
它命名的由來：SciPy 的擴展和模塊在傳統(tǒng)上被命名為 SciKits。而提供學(xué)習(xí)算法的模組就被命名為 scikit-learn。
它與 Python 世界另一大算法框架--TensorFlow 的主要區(qū)別是：TensorFlow 更底層。而 SciKit-learn 提供了執(zhí)行機器學(xué)習(xí)算法的模塊化方案，很多算法模型直接就能用。
從這份統(tǒng)計中不難看出，不少機器學(xué)習(xí)的框架都是基于Python架構(gòu)的，Python已逐漸成為人們公認的最合適人工智能開發(fā)的語言，奇酷教育Python課程，除了講授Python基礎(chǔ)知識，還會將人工智能、機器學(xué)習(xí)開發(fā)插入其中，同時講解Python的最佳實踐，讓學(xué)員不僅僅學(xué)會編程的基本語法，還能學(xué)到資深工程師的編程經(jīng)驗，了解一線互聯(lián)網(wǎng)公司用到的Python工具和開源項目，熟悉Python高手的編程風(fēng)格。在這里，你不光能夠?qū)W會如何編寫程序，還能夠?qū)W會如何編寫高質(zhì)量的程序，一躍成為專業(yè)的工程師，更會成為最早接觸人工智能的從業(yè)人員，一舉站在前沿科技浪尖，前程無限！
您現(xiàn)在所在的位置：首頁 >關(guān)于奇酷 > 行業(yè)動態(tài) > AI世代基石：盤點四大機器學(xué)習(xí)開源框架
