從事機器學(xué)習(xí)方面的工作，不會用工具將極大的阻礙工作效率。但現(xiàn)在工具那么多，我們該如何選擇呢?本文針對非開發(fā)者、模型部署、NLP、語音、視覺、強化學(xué)習(xí)、數(shù)據(jù)挖掘等多個不同人群，提供了10個必須掌握的模型。
 

短短的5年時間機器的算法水平又提升了100萬倍!過去或許只能從1萬人中識別出1個人，后來發(fā)展到1000萬、1億、10億甚至20億人中識別出這個人!與此同時，算力方面提升了10萬倍。從過去用1萬量級規(guī)模的數(shù)據(jù)做訓(xùn)練，到百萬規(guī)模的數(shù)據(jù)做訓(xùn)練，到現(xiàn)在用10億的數(shù)據(jù)集做訓(xùn)練，又提升了1萬倍!

我們已經(jīng)深刻的體會到，人工智能的飛速增長刺激了當(dāng)今就業(yè)市場對機器學(xué)習(xí)技能的巨大需求。機器學(xué)習(xí)社區(qū)現(xiàn)在非常活躍，各種開源工具層出不窮，讓人有點目不暇接，有點不知道該如何選擇。那么本篇將為你介紹10個最應(yīng)該了解的機器學(xué)習(xí)開源工具，走起!

非開發(fā)者應(yīng)該用什么?

不會開發(fā)，不會編程，也能用機器學(xué)習(xí)?答案是可以的，只要你會用工具。這里為初學(xué)者推薦兩個工具：

Knime

Knime是一款出色的工具，可讓你無需編寫任何代碼即可完成端到端的數(shù)據(jù)科學(xué)工作流程。

它甚至配備了一個拖放式界面，UI清晰，操作簡單直觀，可以說是懶人福音了。

操作起來非常簡單，首先使用該工具進(jìn)行數(shù)據(jù)收集和轉(zhuǎn)換;完成后，你可以創(chuàng)建一個模型并將其可視化。在生產(chǎn)方面，你可以部署和管理數(shù)據(jù)科學(xué)項目。

最后，你可以通過使用Knime生成洞察來利用你的實現(xiàn)。

官網(wǎng)：https://www.knime.com/

Uber Ludwig

Uber Ludwig是另一款適合初學(xué)者的優(yōu)秀工具。有了它，你可以快速測試和訓(xùn)練深度學(xué)習(xí)模型。用戶可以選擇啟用懶人模式(拖拽界面)，或者直接操作代碼。

使用起來比Knime稍微復(fù)雜一點點。需要先加載CSV文件來訓(xùn)練數(shù)據(jù)。通過使用預(yù)先訓(xùn)練的模型，你可以預(yù)測輸出目標(biāo)。最后，你可以使用可用的可視化選項可視化你的數(shù)據(jù)。

如果你是編程的初學(xué)者，你還可以在Python中使用他們擴(kuò)展的API和訓(xùn)練模型。

GitHub地址：https://uber.github.io/ludwig/user_guide/

模型部署用什么工具?

模型部署是機器學(xué)習(xí)的關(guān)鍵方面之一。為了幫助你完成此過程，這里列出了幾個工具。

TensorFlow.js

TensorFlow.js允許你直接從Web構(gòu)建和部署機器學(xué)習(xí)模型。它使用JavaScript在Web上運行。

你也可以使用Node.js。有了它，你不僅可以運行現(xiàn)有模型，還可以重新訓(xùn)練現(xiàn)有模型。

它提供了直觀的API，允許你使用JavaScript構(gòu)建和訓(xùn)練模型，在Web瀏覽器上也是如此。

如果你想在移動設(shè)備上進(jìn)行開發(fā)，還可以查看TensorFlow Lite。

官方地址：https://www.tensorflow.org/js/

MLFlow

MLFlow讓你可以解決端到端的機器學(xué)習(xí)生命周期問題。它有三個主要組件。

MLflow跟蹤 - 通過記錄和比較結(jié)果和參數(shù)來處理實驗

MLflow項目 - 允許你將項目打包成其他成員的可重用表單

MLflow模型 - 幫助你在不同平臺中部署和管理ML庫

MLFlow的另一個驚人功能是它與庫無關(guān)。這意味著你可以將其與其他機器學(xué)習(xí)庫一起使用而不會出現(xiàn)任何兼容性問題。為了實現(xiàn)library-agonistic行為，它使用REST API和CLI。

官方地址：https://github.com/databricks/mlflow

NLP、計算機視覺和音頻用什么工具?

還有其他方便的工具可用于在機器學(xué)習(xí)中執(zhí)行不同的操作。

Detectron

如果你正在尋找最先進(jìn)的物體檢測算法，那么你可以使用Detectron。

它由Facebook開發(fā)，是AI Research軟件系統(tǒng)的一部分。它利用Caffe2深度學(xué)習(xí)框架和Python。

官方地址：https://github.com/facebookresearch/Detectron

SimpleCV

SimpleCV，一個開源框架，允許你構(gòu)建計算機視覺應(yīng)用程序。它類似于OpenCV，使你可以訪問高級計算機視覺庫。這意味著你不必?fù)?dān)心錯綜復(fù)雜的概念。

有了它，你可以制作計算機視覺項目，而無需在基礎(chǔ)知識上投入太多時間。畢竟，出于某種原因，它被命名為SimpleCV。

官方地址：http://simplecv.org/

Tesseract OCR

Tesseract OCR是一款功能強大的光學(xué)字符識別軟件，可讓你識別語言。

它支持100多種語言，也可以編程識別新語言。

官方地址：https://github.com/tesseract-ocr/tesseract

強化學(xué)習(xí)用什么工具?

如果你想訓(xùn)練智能代理，那么你需要幫助強化學(xué)習(xí)。

Open AI Gym

Open AI Gym讓你訓(xùn)練你的智能體做幾乎任何事情，包括散步，玩游戲等等。它借助易于使用的強化學(xué)習(xí)任務(wù)套件來實現(xiàn)。

官方地址：https://gym.openai.com/

Unity ML Agents

Unity ML Agents是Unity提供的開源統(tǒng)一插件，讓你開發(fā)可在游戲中使用的智能體。

官方網(wǎng)址：https://unity3d.com/machine-learninghttps://unity3d.com/machine-learning

數(shù)據(jù)挖掘用什么工具?

如果你希望收集數(shù)據(jù)科學(xué)項目的數(shù)據(jù)，可以使用以下工具。

Weka

Weka用于數(shù)據(jù)挖掘任務(wù)。它借助于為數(shù)據(jù)挖掘設(shè)計的機器學(xué)習(xí)算法來實現(xiàn)。有了它，你可以找到很多東西，包括分類，準(zhǔn)備，回歸，聚類，可視化和關(guān)聯(lián)規(guī)則挖掘。

該項目是開源的，使用GNU許可。

官方網(wǎng)址：http://www.cs.waikato.ac.nz/ml/weka/

結(jié)論

機器學(xué)習(xí)正在改變我們與世界互動的方式。它使我們的生活更輕松，并確保我們建立一個未來世界。

標(biāo)簽： 機器學(xué)習(xí) 深度學(xué)習(xí)

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！
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。