生活常识15 个开源的高级人工智能工具 2023/2/2 12:35:52

高州通

在比较近的一篇文章中，我们概述了 45 个十分有趣或有前途的人工智能项目。在本文中，我们将聚焦于开源的人工智能工具，详细的了解下比较著的 15 个开源人工智能项目。Linux命令大全的最新消息可以到我们平台网站了解一下，也可以咨询客服人员进行详细的解答！

以下这些开源人工智能应用都处于人工智能研究的比较前沿。 C 它是由贾扬清在加州大学伯克利分校的读博时创造的，C 是一个基于表达体系结构和可扩展代码的深度学习框架。使它声鹊起的是它的速度，这让它受到研究人员和企业用户的欢迎。根据其所言，它可以在一天之内只用一个 NVIDIA K40 GPU 处理 6000 万多个图像。它是由伯克利视野和学习中心(BVLC)管理的，并且由 NVIDIA 和亚马逊等资助来支持它的发展。 CNTK 它是计算络工具包C N T的缩写，CNTK 是一个微软的开源人工智能工具。不论是在单个 CPU、单个 GPU、多个 GPU 或是拥有多个 GPU 的多台机器上它都有异的表现。微软主要用它做语音识别的研究，但是它在机器翻译、图像识别、图像字幕、文本处理、语言理解和语言建模方面都有着良好的应用。 D4 D4 是一个 虚拟机(JVM)的开源深度学习库。它运行在分布式环境并且集成在 H 和 A S 中。这使它可以配置深度神经络，并且它与 J、S 和 其他 JVM 语言兼容。 这个项目是由一个叫做 S 的商业管理的，它为这个项目提供支持、培训和一个企业的发行版。 DMTK DMTK 是分布式机器学习工具D M L T的缩写，和 CNTK 一样，是微软的开源人工智能工具。作为设计用于大数据的应用程序，它的目标是更的训练人工智能系统。它包括个主要组件：DMTK 框架、LLDA 主题模型算法和分布式(多义)字嵌入算法。为了证明它的速度，微软声称在一个八集群的机器上，它能够“用 100 万个主题和 1000 万个单词的词汇表(总共 10 万亿参数)训练一个主题模型，在一个文档中收集 1000 亿个符号，”。这一成绩是别的工具法比拟的。 H20 相比起科研，H2O 更注重将 AI 服务于企业用户，因此 H2O 有着大量的客户，比如首资本金融、思科、N C、PP 和泛美都是它的用户。它声称任何人都可以利用机器学习和预测分析的力量来解决业务难题。它可以用于预测建模、风险和欺诈分析、保险分析、广告技术、医疗保健和客户情报。 它有两种开源版本：标准版 H2O 和 S W 版，它被集成在 A S 中。也有付费的企业用户支持。 M 它是 A 基金会项目，M 是一个开源机器学习框架。根据它的所言，它有着个主要的特性：一个构建可扩展算法的编程环境、像 S 和 H2O 一样的预制算法工具和一个叫 S 的矢量数学验环境。使用 M 的有 A、埃森哲咨询、F、英特尔、领英、T、雅虎和其他许多。其列了出第方的专业支持。 ML 由于其速度，A S 成为一个比较流行的大数据处理工具。ML 是 S 的可扩展机器学习库。它集成了 H 并可以与 NP 和 R 进行交互操作。它包括了许多机器学习算法如分类、回归、决策树、推荐、集群、主题建模、功能转换、模型评价、ML 管道架构、ML 持久、生存分析、频繁项集和序列模式挖掘、分布式线性代数和统计。 NPIC 由 N 管理的 NPIC 是一个基于分层暂时记忆H T M，HTM理论的开源人工智能项目。从本质上讲，HTM 试图创建一个计算机系统来模仿人类大脑皮层。他们的目标是创造一个 “在许多认知任务上接近或者超越人类认知能力” 的机器。 除了开源许可，N 还提供 NP 的商业许可协议，并且它还提供技术专利的许可证。 ONN 作为一个为开发者和科研人员设计的具有高级理解力的人工智能，ONN 是一个现神经络算法的 ++ 编程库。它的关键特性包括深度的架构和速的性能。其上可以查到丰富的文档，包括一个解释了神经络的基本知识的入门教程。ONN 的付费支持由一家从事预测分析的西班牙 A 提供。 OC 由 C 开发的 OC 提供了对 C 知识库的访问和常识推理引擎。它拥有超过 239,000 个条目，大约 2,093,000 个元组和大约 69,000 ：这是一种类似于链接到外部语义库的命空间。它在富领域模型、语义数据集成、文本理解、特殊领域的专家系统和游戏 AI 中有着良好的应用。该还提供另外两个版本的 C：一个可免费的用于科研但是不开源，和一个提供给企业的但是需要付费。 O 2 构建在 A S 和 K 之上的 O 2 是一个专门针对大规模机器学习的应用程序开发框架。它采用一个独特的层 λ 架构。开发者可以使用 O 2 创建新的应用程序，另外它还拥有一些预先构建的应用程序可以用于常见的大数据任务比如协同过滤、分类、回归和聚类。大数据工具供应商 C 创造了比较初的 O 1 项目并且一直积极参与持续发展。 PIO 今年的二月，S 收购了 PIO，接着在七月，它将该平台和商标贡献给 A 基金会，A 基金会将其列为孵育计划。所以当 S 利用 PIO 技术来提升它的机器学习能力时，成效将会同步出现在开源版本中。它可以帮助用户创建带有机器学习功能的预测引擎，这可用于部署能够时动态查询的 W 服务。 SML 比较初由 IBM 开发， SML 现在是一个 A 大数据项目。它提供了一个高度可伸缩的平台，可以现高等数学运算，并且它的算法用 R 或一种类似 的语法写成。企业已经在使用它来跟踪汽车维修客户服务、规划机场交通和连接社会媒体数据与银行客户。它可以在 S 或 H 上运行。 TF TF 是一个谷歌的开源人工智能工具。它提供了一个使用数据流图进行数值计算的库。它可以运行在多种不同的有着单或多 CPU 和 GPU 的系统，甚至可以在移动设备上运行。它拥有深厚的灵活性、真正的可移植性、自动微分功能，并且支持 P 和 ++。它的拥有十分详细的教程列表来帮助开发者和研究人员沉浸于使用或扩展他的功能。 T T 将自己描述为：“一个先使用 GPU 的拥有机器学习算法广泛支持的科学计算框架”，它的特点是灵活性和速度。此外，它可以很容易的通过软件包用于机器学习、计算机视觉、信号处理、并行处理、图像、视频、音频和络等方面。它依赖一个叫做 LJIT 的脚本语言，而 LJIT 是基于 L 的。