5大机器学习免费开源工具！人工智能3分钟入门！

如今，科技公司似乎无法足够快地雇用他们的AI或ML专家。 因此，如果您正在寻求升级您的技能组合或只是使用一个很酷的新工具，我们已经为您提供了前5个选择，以获得最佳的机器学习开源工具。

如今，机器学习经历了复兴。 似乎每天都有这项技术的新进展，从图像和声音识别的进步到唇读，以及在所有游戏中击败我们。

然而，这种复兴主要由硅谷资助。 公司正在争先恐后地寻找能够编写ML和深度学习代码的足够程序员。 去年是信息自由的好年景，谷歌，微软，Facebook，亚马逊，甚至百度等行业的巨头开源了他们的ML框架。

解放代码是吸引人才和发展社区以及赢得善意的好方法。 （毕竟，开发人员高度重视雇主的开源工作。）谷歌无疑是开源机器学习领域的巨人，TensorFlow以大多数指标击败所有参与者。

鉴于机器学习的真正革命可能带来的范式转变，保持技术对开源的投入是非常重要的。 这些科学进步不属于任何一家公司或公司，而是属于全世界。 让ML开放和均匀分布意味着每个人都可以加入这场革命。

OpenAI

有些人对机器学习军备竞赛感到有点担心，因为世界顶尖大学失去了人才。 如果有专有的公司信息，技术上的巨大飞跃就意味着什么。

因此，Elon Musk和他的伙伴们为OpenAI这个非盈利的人工智能研究计划提供了超过10亿美元的资金。

OpenAI的使命是建立安全的人工智能通用智能（AGI），并确保AGI的优势尽可能广泛和均匀地分布。 我们预计AI技术在短期内会产生巨大影响，但其影响将超过第一批AGI的影响。

OpenAI拥有60多名全职研究人员，他们发表了有关人工智能功能和开源软件工具的精彩论文。 前往那里查看他们的平台，如Gym，一个用于开发比较强化学习算法的工具包，以及Universe，一个测量AI的一般智能的健身房环境的集合。

TensorFlow

由谷歌开源，这是开源ML库的赢家和冠军。 TensorFlow主要使用易于使用的Python编写，在Java和Go中也有一些实验性API。

有用的是，TensorFlow的入门部分有一个ML for beginners部分以及专家部分。 TensorFlow可能是此列表中更易于访问的开源工具之一，并且有充分的理由。 它是GitHub上最顶级的开源ML工具，拥有大多数项目（你尝试过噩梦般的搞笑edge2cats吗？）以及最大的社区。

鉴于TensorFlow目前这么流行，想要学习和实践的程序员们也可以了解下谷歌最近的AI开源项目——AIY Projects。AIY 全称是 Artificial Intelligence Yourself，顾名思义就是利用 AI 来进行的 DIY 功能套件。借助 AIY 项目，创客可以利用人工智能来实现更像人与人交流的人机交互。谷歌目前为 AIY Projects 推出了两款硬件产品--AIY Voice Kit 和 AIY Vision Kit。

 而且谷歌为此还发布了一个TensorFlow.js的工具，有了这项工具，即使不是机器视觉领域的专家，大家也可以实现很多应用场景，比如在浏览器中训练自己的宠物脸辨识系统，在自家的监视系统中使用等等。

char-RNN

好吧，公平地说，由于Janelle Shane的工作，这个基于Torch / Lua的神经网络在此列表中是100％。 作为科学前沿的明信片背后的研究人员，McShane用角色级语言模型提出了一些非常有趣的项目。 无论是食谱，行星还是神奇宝贝，她的神经网络都在努力学习。 我们不应该笑。

Torch一般来说是一个很好的学习框架，至少因为FB似乎基本上都是支持这个深度学习框架。

PaddlePaddle

这是我们在JAXenter的一个新的。 PaddlePaddle是研究人员在百度，中国谷歌（以及其他事物）的工作。 百度有一个相当先进的人工智能实验室，由前斯坦福大学教授管理。 PaddlePaddle几乎是谷歌开源深度学习主导的直接镜头。

Paddle代表PArallel Distributed Deep LEarning，它被称为易于使用，高效，灵活和可扩展的深度学习平台。 他们的入门页面非常适合深度学习初学者，并通过一些问题集的初始步骤走新人。

CNTK

Microsoft的Cognitive Toolkit是一个深度学习工具包，用于训练算法，以便像人类大脑一样学习。 正如他们的GitHub页面迷人地指出的那样，“CNTK正在微软积极使用并不断发展。 会有错误。“足够公平。

毫无疑问，这个工具意味着使用神经网络来浏览非结构化数据的大型数据集。 通过更快的培训时间和易于使用的架构，CNTK可高度自定义，允许您选择自己的参数，算法和网络。 它是用Python和C ++编写的。