本文講述了機(jī)器學(xué)習(xí)對Web應(yīng)用和移動應(yīng)用在內(nèi)的軟件開發(fā)過程產(chǎn)生的重大影響

 

 

目前，機(jī)器學(xué)習(xí)是軟件開發(fā)中最熱門的領(lǐng)域之一。甚至許多專家分析，認(rèn)為機(jī)器學(xué)習(xí)將會徹底改變包括Web應(yīng)用和移動應(yīng)用在內(nèi)的軟件開發(fā)過程。

以下所列的幾個方面可以清楚地說明機(jī)器學(xué)習(xí)對Web開發(fā)的重大影響:

· 可以很好的替代傳統(tǒng)數(shù)據(jù)挖掘

· 可以避免安全威脅

· 豐富的機(jī)器學(xué)習(xí)API庫

· 加速產(chǎn)品發(fā)展

· 生產(chǎn)定制的內(nèi)容和信息

· 了解用戶行為

 

 

機(jī)器學(xué)習(xí)通過一些算法可以在沒有顯式編程的情況下，讓計(jì)算機(jī)進(jìn)行自行學(xué)習(xí)。并且可以找到最優(yōu)的數(shù)據(jù)分析方法，自動建立分析模型。這就是為什么機(jī)器學(xué)習(xí)框架在Web開發(fā)中起著重要作用的原因。

在本文中，我們將討論一些主要用于Web開發(fā)的機(jī)器學(xué)習(xí)框架。下面會一一進(jìn)行說明。

5大機(jī)器學(xué)習(xí)框架：

1) Microsoft Cognitive Toolkit

 

 

開發(fā)語言:Python和C++

這是一個開源的深度學(xué)習(xí)工具包，是微軟公司專門用來訓(xùn)練算法的，以便讓機(jī)器像人腦一樣學(xué)習(xí)。通過這個工具，你可以使用各種機(jī)器學(xué)習(xí)模型，如卷積神經(jīng)網(wǎng)絡(luò)、前饋DNN和遞歸神經(jīng)網(wǎng)絡(luò)。

毫無疑問，這個工具主要使用神經(jīng)網(wǎng)絡(luò)來檢查大型非結(jié)構(gòu)化數(shù)據(jù)集，給開發(fā)者提供現(xiàn)成的神經(jīng)網(wǎng)絡(luò)代碼。它有更短的訓(xùn)練時間和易于使用的體系結(jié)構(gòu)，并且是高度可定制化的，允許選擇參數(shù)、網(wǎng)絡(luò)和算法。并且，它支持多機(jī)多GPU的后端集群模式。

2)TensorFlow

 

 

開發(fā)語言:Python、Java和Go

TensorFlow是在Java開發(fā)中最流行的機(jī)器學(xué)習(xí)框架之一。它是一個開源的庫，使用了數(shù)據(jù)流圖進(jìn)行數(shù)值計(jì)算，將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至神經(jīng)網(wǎng)絡(luò)中進(jìn)行分析和處理。毫無疑問，TensorFlow是在GitHub上分支最多的機(jī)器學(xué)習(xí)項(xiàng)目，并且也是投資人參與最多的項(xiàng)目。

TensorFlow具有靈活的體系結(jié)構(gòu)，讓用戶能夠很容易地利用單一的API庫在一個或多個GPU或CPU上實(shí)現(xiàn)分布式計(jì)算，而不管是在臺式計(jì)算機(jī)、服務(wù)器還是移動電話上。

上圖中的節(jié)點(diǎn)代表了數(shù)值運(yùn)算，而圖的邊緣則表示它們之間通信的多維數(shù)據(jù)集(張量)。TensorFlow為張量從數(shù)據(jù)流圖的一端流動到另一端的過程進(jìn)行計(jì)算。

3)Apache Mahout

 

 

開發(fā)語言:Java和 Scala

這是Apache提供的另一個最流行的源碼開放資源庫，主要是為統(tǒng)計(jì)學(xué)專家、數(shù)據(jù)專家和數(shù)學(xué)專家而設(shè)計(jì)的，為了讓他們能夠更快速、更高效地執(zhí)行算法操作。另外，它是一種分布式線性代數(shù)框架，用于創(chuàng)建具有可擴(kuò)展性能的機(jī)器學(xué)習(xí)應(yīng)用。Mahout主要被用于協(xié)作分組、過濾和分類幾個方面。

此外，它還使你能夠在實(shí)際運(yùn)行在大數(shù)據(jù)平臺上的交互式環(huán)境中開發(fā)自己的數(shù)學(xué)計(jì)算模型，然后可以將相同的程序代碼移植到其它應(yīng)用程序中進(jìn)行復(fù)用。

Mahout Samsara還提供了分布式線性代數(shù)以及正在運(yùn)行的統(tǒng)計(jì)引擎，并與交互式Shell和庫一起進(jìn)行分發(fā)，以連接到在生產(chǎn)中的應(yīng)用。利用Apache Hadoop 庫，它可以應(yīng)用map/reduce模式到Apache Hadoop平臺，但這并不會對Hadoop上其它那些實(shí)現(xiàn)產(chǎn)生影響。

4)Caffe

 

 

開發(fā)語言:C++和Python

Caffe是一個基于Java語言的關(guān)于深度學(xué)習(xí)的框架，特別是針對運(yùn)行速度、表示能力和模塊化幾個方面。它是由伯克利大學(xué)人工智能研究小組開發(fā)的，極具表現(xiàn)力的體系結(jié)構(gòu)更加支持個性化的應(yīng)用和創(chuàng)新。

另外，Caffe提供的配置選項(xiàng)允許用戶通過配置單個指示器在GPU和CPU之間進(jìn)行無縫切換。它提供的可擴(kuò)展代碼促進(jìn)了早期的發(fā)展，使其成為另一個非常成功的GitHub機(jī)器學(xué)習(xí)項(xiàng)目。

Caffe的速度對研究機(jī)構(gòu)和工業(yè)級應(yīng)用方面做出了很大的貢獻(xiàn)。它是利用了卷積神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)圖像分類/計(jì)算機(jī)視覺的。它還提供了Model Zoo，這是一組預(yù)訓(xùn)練的模型，并且不需要任何編碼來實(shí)現(xiàn)。

應(yīng)該指出的是，Caffe最適用于應(yīng)用系統(tǒng)的構(gòu)造，并且主要應(yīng)用于計(jì)算機(jī)視覺領(lǐng)域。

5)Apache Singa

 

 

開發(fā)語言:C++、Python和Java.

Apache Siga是一個可擴(kuò)展的、靈活的、用來簡化在大數(shù)據(jù)上訓(xùn)練深度學(xué)習(xí)模型的開源框架。它是由新加坡國立大學(xué)的團(tuán)隊(duì)開發(fā)的，主要應(yīng)用于大數(shù)據(jù)分析領(lǐng)域。該框架為海量數(shù)據(jù)可擴(kuò)展的分布式訓(xùn)練提供了一種靈活的體系結(jié)構(gòu)。

Apache Siga在各種各樣的硬件上運(yùn)行都具有可擴(kuò)展性。它主要應(yīng)用在自然語言處理(NLP)和圖像識別領(lǐng)域。

目前，Apache孵化器項(xiàng)目提供了一種可以在一組節(jié)點(diǎn)中工作的簡單開發(fā)模型。深度分布式學(xué)習(xí)在訓(xùn)練過程中使用了模型共享和并行化方式，模型既可以串行訓(xùn)練，也可以選擇并行訓(xùn)練。Singa也使用Apache Zookeeper簡化了集群的搭建。

不管怎樣，Apache Siga也支持傳統(tǒng)的機(jī)器學(xué)習(xí)模型，如邏輯回歸等等。

結(jié)論

我們已經(jīng)介紹了一些用于Java開發(fā)的最好的機(jī)器學(xué)習(xí)框架。事實(shí)上，應(yīng)用了機(jī)器學(xué)習(xí)的Web開發(fā)將會使IT世界進(jìn)行一場革命。然而，目前各種流行的機(jī)器學(xué)習(xí)框架和庫不是用Python語言編寫的，就是由Python支持的，主要包括Keras、Theano、TensorFlow和一些較小的項(xiàng)目，比如Microsoft Azure Studio、sci-kit learn、Veles、Chainer和Neon等等。

譯者：奧特曼

文章原標(biāo)題《Top 5 Machine Learning Frameworks For Web Development》

標(biāo)簽： 安全 大數(shù)據(jù) 大數(shù)據(jù)分析 大數(shù)據(jù)平臺 代碼 服務(wù)器 開發(fā)者 數(shù)據(jù)分析 通信 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。