下面是一系列旨在并開發成用于支持 AI 的平臺，允許你用在 Linux 或可能許多其它的操作系統上。名單排列順序沒有先后。

1.Deep Learning For Java（Deeplearning4j）

Deeplearning4j 是 Java 和 Scala 編程語言的，商業級的，開放源碼的，即插即用，分布式的深度學習庫。它專為企業相關的應用程序而設計，并在分布式 CPU 和 GPU 的基礎上繼承了 Hadoop 和 Spark。

DL4J 在 Apache 2.0 許可證下發布，提供 GPU 支持 AWS，并適用于微服務架構。

官方網站：//deeplearning4j.org/

2.Caffe ——深度學習框架

Caffe 是一個基于速度的模塊化和富有表現力的深度學習框架。它在 BSD 2-Clause 許可下發布，并且已經在諸如研究，啟動原型，以及視覺、語音及多媒體等工業應用領域支持了若干社區項目。

官方網站：//caffe.berkeleyvision.org/

3. H20 ——分布式機器學習框架

H20 是一個開源的，快速的，可擴展和分布式的機器學習框架，還有框架配備的算法。它支持更智能的應用程序，如深度學習，梯度 boosting，隨機森林，廣義線性模型（即邏輯回歸，彈性網絡）等等。

這是一個面向業務用于決策數據的人工智能工具，它能夠讓用戶使用更快更好的預測模型來繪制來自于他們對數據的見解。

官方網站：//www.h2o.ai/

4. MLlib ——機器學習庫

MLlib是一個開源的，易于使用和高性能的機器學習庫，作為Apache Soark的一部分而開發。本質上它易于部署，并且可以在現有的 Hadoop 群集和數據上運行。

MLlib 還附帶分類、回歸、推薦、聚類、生存分析等等的算法集合。重要的是，它可以用于 Python、Java、Scala 和 R 編程語言。

官方網站：//spark.apache.org/mllib/

5.Apache Mahout

Mahout 是一個開源框架，設計用于構建可拓展的機器學習應用程序，它有以下三個顯著的特點：

1）提供簡單和可擴展的編程工作場所

2）提供 Scala+ Apache Spark，H20 以及 Apache Flik 的各種預包裝算法

3）包括 Samaras，矢量數學實驗帶有 R 之類語法的工作場所

官方網站：//mahout.apache.org/

6.Open Neural Networks Library（OpenNN）

OpenNN 也是一個用 C ++ 編寫的用于深度學習的開源類庫，用于煽動神經網絡。然而，它只是有經驗的 C ++ 程序員和有極高機器學習技能人員的最佳選擇。它側重于深度架構和高性能。

官方網站：//www.opennn.net/

7. Oryx 2

Oryx 2 是初始 Oryx 項目的延續，是在 Apache Spark 和 Apache Kafka 的基礎上作為 lambda 架構的重新架構而開發的，雖然專用于實現實時機器學習。

它是一個應用程序開發和附帶某些應用程序用于協同過濾、分類、回歸和集群用途的平臺。

官方網站：//oryx.io/

8. OpenCyc

OpenCyc 是一個開源門戶，面向最大和最全面的通用知識基礎和常識推理引擎。它包括大量 Cyc 術語，用一種精確設計的方式排列，在針對應用程序諸如這樣的領域：

·豐富的領域建模

·特定領域的專家系統

·文本的理解

·語義數據集成以及AI游戲等等。

官方網站：//www.cyc.com/platform/opencyc/

9.Apache SystemML

SystemML 是用于機器學習非常適合大數據的開源人工智能平臺。其主要特點是——運行在 R 和 Python 這樣的語法上，專注于大數據并專門針對高層次數學而設計。它是如何工作的在主頁上有很好的解釋，其中包括明確說明的視頻演示。

有幾種方法來使用它，包括 Apache Spark、Apache Hadoop、Jupyter 和 Apache Zeppelin。一些顯著用途包括汽車，機場交通和社會銀行業。

官方網站：//systemml.apache.org/

10. NuPIC

NuPIC 是一個開源框架，用于機器學習的開源框架，基于 Heirarchical Temporary Memory (HTM)，一個新皮層理論。集成了 NuPIC的HTM 程序可實施分析實時的流數據，并且它在那里可學習到現有數據的基于時間的模式，預測即將值以及揭示任何不規則性行為。

它的顯著特點包括：

·持續在線學習

·時空格局

·實時流數據

·預測和建模

·強大的異常檢測

·分層時間記憶

官方網站：//numenta.org/

隨著對 AI 研究的提升和不斷進步，我們必將見證更多工具的涌現，它們幫助這一技術領域取得成功，特別是對于解決日常的科學挑戰以及用于教育目的。

本文轉自（）

>>>>查看更多開源 Linux相關工具、資訊

【2016年終盛“惠” 溫情啟幕，正版授權壕禮送不停 ！點擊查看】