• 2017年最具潛力的前端開(kāi)源項(xiàng)目Top20
• 不同領(lǐng)域開(kāi)發(fā)工具 Top 50
• 2016 年谷歌開(kāi)源了這些超酷炫的項(xiàng)目
• 視頻設(shè)計(jì)常用的幾款開(kāi)源軟件

2016 年，似乎所有巨頭公司都在做機(jī)器學(xué)習(xí)，如果沒(méi)有，也是在趕來(lái)的路上。所以 2016 或許會(huì)因?yàn)?“機(jī)器學(xué)習(xí)大熱” 而被載入史冊(cè)。2017，這個(gè)熱潮并沒(méi)有消退的跡象，前陣子 AlphaGo 的升級(jí)版以橫掃千軍的姿態(tài)戰(zhàn)勝幾乎所有中國(guó)的圍棋大師，如入無(wú)人之境，最后更是以 60 連勝完美收官。人們對(duì)于機(jī)器學(xué)習(xí)的熱情再度被點(diǎn)燃起來(lái)。

機(jī)器學(xué)習(xí)的熱度如此高，大家也許會(huì)需要查找相關(guān)資源進(jìn)行學(xué)習(xí)和研究。本文整理了一份優(yōu)秀的開(kāi)源的有關(guān)機(jī)器學(xué)習(xí)的框架 、平臺(tái)、系統(tǒng)、庫(kù)和工具包的列表。

平臺(tái)和系統(tǒng)

• — TensorFlow 是谷歌的第二代機(jī)器學(xué)習(xí)系統(tǒng)，內(nèi)建深度學(xué)習(xí)的擴(kuò)展支持，任何能夠用計(jì)算流圖形來(lái)表達(dá)的計(jì)算，都可以使用 TensorFlow
• — 百度研發(fā)的深度學(xué)習(xí)平臺(tái)，具有易用，高效，靈活和可伸縮等特點(diǎn)，為百度內(nèi)部多項(xiàng)產(chǎn)品提供深度學(xué)習(xí)算法支持
• — SINGA 是基于大型數(shù)據(jù)集訓(xùn)練，大型深度學(xué)習(xí)模塊的常規(guī)分布式學(xué)習(xí)平臺(tái)。SINGA 支持各種流行的深度學(xué)習(xí)模塊
• — TensorFlow 的簡(jiǎn)化接口，模仿 Scikit 學(xué)習(xí)，用戶可在預(yù)測(cè)分析和數(shù)據(jù)挖掘中使用
• — 分布式深度學(xué)習(xí)應(yīng)用系統(tǒng)，用戶只需要提供參數(shù)，剩下的都可以交給 VELES。VELES 是三星開(kāi)發(fā)的另一個(gè) TensorFlow
• — 為通用硬件設(shè)計(jì)的并行深度學(xué)習(xí)系統(tǒng)。SpeeDO 不需要特殊的 I/O 硬件，支持 CPU/GPU 集群，可以很方便地在各種云端環(huán)境上部署，如 AWS、Google GCE、Microsoft Azure 等等

框架

• — Facebook 為加快 A.I 研究而開(kāi)源的深度學(xué)習(xí)框架
• — 微軟開(kāi)源的一個(gè)實(shí)現(xiàn) GBDT 算法的框架，支持高效率的并行訓(xùn)練。旨在解決 GBDT 在海量數(shù)據(jù)遇到的問(wèn)題，讓 GBDT 可以更好更快地用于工業(yè)實(shí)踐
• — Hadoop 迭代式計(jì)算框架 Guagua 是 PayPal 的一個(gè)開(kāi)源機(jī)器學(xué)習(xí)框架 Shifu 的子項(xiàng)目，主要解決模型訓(xùn)練的分布式問(wèn)題
• — Chainer 在深度學(xué)習(xí)的理論算法和實(shí)際應(yīng)用之間架起一座橋梁，深度學(xué)習(xí)的靈活框架
• — 基于 Hadoop 的快速和可伸縮的機(jī)器學(xué)習(xí)框架
• — 用 Scala 編寫(xiě)的框架，旨在簡(jiǎn)化構(gòu)造大規(guī)模、端到端的機(jī)器學(xué)習(xí)管道，基于 Apache Spark 構(gòu)建
• — 輕量級(jí)，多功能，完全基于 Matlab 的深度學(xué)習(xí)框架。目的是為深度學(xué)習(xí)研究提供一個(gè)易于理解、易于使用和高效的計(jì)算平臺(tái)
• — 針對(duì) iOS、OS X 和 tvOS 的開(kāi)源深度學(xué)習(xí)框架
• — GoLearn 是一款 Go 語(yǔ)言實(shí)現(xiàn)的機(jī)器學(xué)習(xí)框架
• — 使用 Objective-C 編寫(xiě)的機(jī)器學(xué)習(xí)框架，也支持 Swift

工具包和庫(kù)

• — 微軟開(kāi)源的分布式機(jī)器學(xué)習(xí)工具包，包括 DMTK 分布式機(jī)器學(xué)習(xí)框架、用于訓(xùn)練主題模型的 LightLDA以及分布式詞向量
• — 微軟開(kāi)源的用于語(yǔ)音識(shí)別的深度學(xué)習(xí)工具包，借助 GPU 的能力，該工具包的效率相當(dāng)高
• — 亞馬遜開(kāi)源的深度學(xué)習(xí)工具，能同時(shí)支持兩個(gè)圖形處理器（GPU）參與運(yùn)算，主要用作智能搜索和推薦
• — Python 的機(jī)器學(xué)習(xí)項(xiàng)目，簡(jiǎn)潔、高效的算法庫(kù)，提供一系列的監(jiān)督學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)的算法，用于數(shù)據(jù)挖掘和數(shù)據(jù)分析。SciKit-learn 幾乎覆蓋了機(jī)器學(xué)習(xí)的所有主流算法
• — 為 Java 和 Scala 編寫(xiě)的首個(gè)商業(yè)級(jí)開(kāi)源分布式深度學(xué)習(xí)庫(kù)，為商業(yè)環(huán)境所設(shè)計(jì)，以即插即用為目標(biāo)，通過(guò)更多預(yù)設(shè)的使用，避免太多配置，讓非研究人員也能夠進(jìn)行快速的原型制作
• — 輕量級(jí)且靈活高效的深度學(xué)習(xí)庫(kù)，允許使用混合符號(hào)編程和命令式編程
• — 雅虎開(kāi)源的基于 Hadoop/Spark 的分布式深度學(xué)習(xí)包
• — 英特爾開(kāi)源的基于 Apache Spark 的分布式深度學(xué)習(xí)庫(kù)，支持高性能大數(shù)據(jù)分析
• — 高性能的人工智能和機(jī)器學(xué)習(xí)庫(kù)，完全用 Swift 編寫(xiě)，目前支持 iOS 和 OS X，包括一組人工智能和機(jī)器學(xué)習(xí)的通用工具
• — Go 機(jī)器學(xué)習(xí)庫(kù)，用于撰寫(xiě)和評(píng)估多維數(shù)組的數(shù)學(xué)公式。與 Theano 和 TensorFlow 理念相似，支持 GPU/CUDA，支持分布式計(jì)算
• — 快速、模塊化、功能豐富的開(kāi)源 C++ 機(jī)器學(xué)習(xí)庫(kù)，提供了各種機(jī)器學(xué)習(xí)相關(guān)技術(shù)，比如線性/非線性優(yōu)化、基于內(nèi)核學(xué)習(xí)算法、神經(jīng)網(wǎng)絡(luò)等
• — C++ 的機(jī)器學(xué)習(xí)庫(kù)，亮點(diǎn)在于其擴(kuò)展性、高速性和易用性。旨在讓新用戶通過(guò)簡(jiǎn)單、一致的 API 使用機(jī)器學(xué)習(xí)，同時(shí)為專業(yè)用戶提供 C++ 的高性能和最大靈活性
• — 包含各種現(xiàn)有的機(jī)器學(xué)習(xí)算法的 Java 庫(kù)。例如鄰接表和矩陣圖算法、基于 Swing 的可視化庫(kù)等
• — 開(kāi)源的機(jī)器學(xué)習(xí)服務(wù)器，開(kāi)發(fā)工程師和數(shù)據(jù)分析師可以使用它構(gòu)建智能應(yīng)用程序，還可以做一些預(yù)測(cè)功能，比如個(gè)性化推薦、發(fā)現(xiàn)內(nèi)容等
• — 支撐 Airbnb 定價(jià)建議系統(tǒng)的機(jī)器學(xué)習(xí)引擎
• — 機(jī)器學(xué)習(xí)系統(tǒng)，它利用諸如在線，散列，減少，縮減，學(xué)習(xí)，搜索，主動(dòng)和交互式學(xué)習(xí)等技術(shù)推動(dòng)機(jī)器學(xué)習(xí)技術(shù)的前沿發(fā)展
• — SystemML 是靈活的、可伸縮機(jī)器學(xué)習(xí) (ML) 語(yǔ)言，使用 Java 編寫(xiě)。它提供自動(dòng)優(yōu)化功能，通過(guò)數(shù)據(jù)和集群特性保證高效和可伸縮。SystemML 可在 MapReduce 或者 Spark 環(huán)境中運(yùn)行

本文轉(zhuǎn)自：//www.oschina.net/blog