在本文中，我想與他們的實(shí)際應(yīng)用程序共享前五個(gè)框架和庫(kù)。人工智能是計(jì)算領(lǐng)域的未來?？吹皆絹碓蕉嗟娜斯ぶ悄芗夹g(shù)需求，越來越多的程序員熟悉了這一科學(xué)。我希望本指南將幫助您獲得啟發(fā)，并開始更多地了解這個(gè)強(qiáng)大且不斷發(fā)展的領(lǐng)域。

[[360275]]

背景

一些重要的關(guān)鍵數(shù)據(jù)可以使我們有所了解：

• 2019年認(rèn)知和人工智能系統(tǒng)市場(chǎng)的服務(wù)部門收入— 127億美元
• 人工智能業(yè)務(wù)運(yùn)營(yíng)全球收入2023 — 108億美元
• 2025年全球自然語(yǔ)言處理(NLP)市場(chǎng)規(guī)模— 433億美元
• 2019年全球人工智能創(chuàng)業(yè)公司的融資金額— 24B美元

(參考數(shù)據(jù)：https：//www.statista.com)

這是一個(gè)漂亮的圖表，顯示了領(lǐng)先的高科技公司收購(gòu)了多少個(gè)人工智能初創(chuàng)企業(yè)：

> https://www.statista.com/chart/9443/ai-acquisitions/

介紹

假設(shè)您決定在這一領(lǐng)域進(jìn)行練習(xí)和發(fā)展。今天，我們將看到軟件工程師如何將深度學(xué)習(xí)和人工智能應(yīng)用于他們的編程工作。

我們必須知道的第一件事是如何應(yīng)用它，這是一個(gè)進(jìn)行研究的好問題："什么是2021年開始學(xué)習(xí)的最有用的框架/庫(kù)?"這正是我問自己的問題。

這就是我們今天在本文中要解決的問題：我收集了每個(gè)軟件工程師/開發(fā)人員都需要了解的最受歡迎的五個(gè)人工智能框架和庫(kù)。您還將找到官方文檔頁(yè)面以及一些有關(guān)如何應(yīng)用它們的實(shí)踐應(yīng)用程序。

這將有助于我們不僅了解他們的名字，而且更了解他們。足夠介紹。讓我向您介紹小隊(duì)!

1. Caffe

作為咖啡愛好者，我想從Caffe開始，它代表快速特征嵌入的卷積架構(gòu)。伯克利AI的Analysis Caffe是與小組成員合作的深度學(xué)習(xí)框架。

通過其框架，可以啟動(dòng)語(yǔ)言，速度和可用性。它具有可靠的體系結(jié)構(gòu)，可遵循配置定義的系統(tǒng)，并且無需硬編碼即可進(jìn)行優(yōu)化。這對(duì)于在CPU和GPU之間進(jìn)行切換也很有用。

Caffe是一個(gè)科研項(xiàng)目和工業(yè)實(shí)施的理想選擇，因?yàn)樗刻焓褂靡粋€(gè)NVIDIA GPU即可處理超過6000萬張照片。

AI框架可響應(yīng)C ++，CUDA的命令行，Python和MATLAB接口。建立協(xié)進(jìn)化神經(jīng)網(wǎng)絡(luò)(CNN)以使用Caffe識(shí)別圖片非常簡(jiǎn)單。

官方頁(yè)面：Caffe https://caffe.berkeleyvision.org/

價(jià)格：免費(fèi)(開源)

一些實(shí)際的應(yīng)用程序：

• 學(xué)習(xí)LeNet https://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/01-learning-lenet.ipynb
• 圖像分類和濾鏡可視化 https://nbviewer.jupyter.org/github/BVLC/caffe/blob/master/examples/00-classification.ipynb

2. Torch

Torch是用于科學(xué)和數(shù)字處理的科學(xué)計(jì)算系統(tǒng)。它產(chǎn)生具有節(jié)奏，多功能性和可用性的算法。

Torch似乎將GPU放在首位，并且是與NumPy等效的Tensor庫(kù)。它捆綁在LuaJIT中，并且具有C / CUDA的基本集成。通過使用大量算法，這提高了性能并促進(jìn)了深度學(xué)習(xí)分析。

Torch使用者配備了易于使用的庫(kù)，因此可以對(duì)人工智能分布式系統(tǒng)進(jìn)行模塊化應(yīng)用。通過通用的N維數(shù)組，這可以通過諸如切割和分度之類的程序來改善。它還包括線性代數(shù)協(xié)議和神經(jīng)網(wǎng)絡(luò)。

官方頁(yè)面：火炬 http://torch.ch/

價(jià)格：免費(fèi)(開源)。

一些實(shí)際的應(yīng)用程序：

• 玩Atari游戲的Deep-Q強(qiáng)化學(xué)習(xí) https://github.com/soumith/cvpr2015/blob/master/DQN%20Training%20iTorch.ipynb
• 應(yīng)用視覺和自然語(yǔ)言深度學(xué)習(xí) https://on-demand.gputechconf.com/gtc/2015/webinar/torch7-applied-deep-learning-for-vision-natural-language.mp4

3. Scikit-learn

Scikit-learn是人工智能的可訪問方法之一，可從商業(yè)上獲得AI框架。這是一個(gè)Python程序，可同時(shí)進(jìn)行有監(jiān)督和無監(jiān)督的機(jī)器學(xué)習(xí)。

它是通用的AI創(chuàng)建方法之一，支持分組，回歸，聚類算法和降維，模型收集和預(yù)處理。

數(shù)據(jù)科學(xué)家可以使用sci-kit learning提供的詳細(xì)用戶指南輕松地訪問工具，從分類和多標(biāo)簽算法到協(xié)方差估計(jì)。

Sci-kit編程具有交叉驗(yàn)證，受控和不受監(jiān)控的學(xué)習(xí)算法等功能。

官方頁(yè)面：Scikit-learn https://scikit-learn.org/stable/

價(jià)格：免費(fèi)(開源)。

一些實(shí)際的應(yīng)用程序：

• 支持向量機(jī)(SVM)監(jiān)督學(xué)習(xí) https://scikit-learn.org/stable/modules/svm.html#classification
• 分解組件中的信號(hào) https://scikit-learn.org/stable/modules/decomposition.html#decompositions

4. Google Cloud AutoML

關(guān)于前面提到的所有工具和庫(kù)，Auto ML當(dāng)前是機(jī)器學(xué)習(xí)工程師可用工具庫(kù)中最新最好的一種。

如概述中所述，效率對(duì)于機(jī)器學(xué)習(xí)職責(zé)至關(guān)重要。盡管從中獲得的好處是可觀的，但確定最佳超參數(shù)并非易事。

在類似黑匣子的神經(jīng)網(wǎng)絡(luò)中尤其如此，隨著網(wǎng)絡(luò)復(fù)雜性的增加，決定重要事項(xiàng)的難度也越來越大。請(qǐng)記住一個(gè)有趣的事實(shí)：Google云端服務(wù)提供了Auto ML。

官方頁(yè)面：Google Cloud AutoML https://cloud.google.com/automl

價(jià)格：定價(jià)(按使用量付費(fèi))。

一些實(shí)際的應(yīng)用程序：

• AutoML視覺 https://cloud.google.com/vision/automl/docs
• 使用AutoML自然語(yǔ)言進(jìn)行自定義文本分類 https://www.youtube.com/watch?v=ieaqfU1BwJ8

5. 亞馬遜機(jī)器學(xué)習(xí)

Amazon Web Services(AWS)具有廣泛的機(jī)器學(xué)習(xí)框架，全球數(shù)百個(gè)組織和組織都在使用。其軟件與核心人工智能系統(tǒng)集成，并提供了一系列現(xiàn)成的AI應(yīng)用程序。從聊天機(jī)器人到分類，AWS提供了許多訓(xùn)練有素的智能模型。

官方頁(yè)面：AWS Machine Learning https://aws.amazon.com/

價(jià)格：定價(jià)(按使用量付費(fèi))。

一些實(shí)際的應(yīng)用程序：

• Amazon Personalize：使用Amazon更快地獲得實(shí)時(shí)個(gè)性化用戶體驗(yàn) https://aws.amazon.com/personalize/?c=ml&sec=srv
• Amazon Kendra：高度精確的智能搜索服務(wù)。 https://aws.amazon.com/kendra/?c=ml&sec=srv

結(jié)論

當(dāng)然，除了列出的框架和庫(kù)外，還有許多其他框架和庫(kù)。我只分享了一滴人工智能和深度學(xué)習(xí)海洋。

人工智能是計(jì)算領(lǐng)域的一個(gè)迷人的市場(chǎng)。每個(gè)自重的軟件開發(fā)人員都必須具有堅(jiān)定的AI開發(fā)經(jīng)驗(yàn)。至少有一些背景知識(shí)。

成為一名優(yōu)秀的AI專業(yè)人員需要強(qiáng)大的理智，技能，毅力和職業(yè)道德。如果您有它們，那么現(xiàn)在是進(jìn)入此領(lǐng)域的理想選擇和時(shí)間。