在過去的幾年中，人工智能正在占領技術的許多領域。 來自不同背景的開發人員最終意識到了AI為他們帶來的機遇，而不管他們的需求如何。

在今天的文章中，我們列出了7種最佳的開源AI /機器學習系統和框架。

1、TensorFlow

TensorFlow可能是世界上最著名的機器學習開源框架。它由Google開發，并為多種編程語言（例如Python，Javascript，C ++和Java）提供API。

它還支持移動操作系統（iOS和android，對于iOS，它支持Swift編程語言），因此你可以使用它來構建移動應用，該應用利用即時機器學習來構建模型并根據現實世界的數據進行訓練。

TensorFlow還具有許多其他功能，例如，它提供TensorFlow Extended（TFX）來幫助你在任何地方部署生產，可擴展的高性能管道，而TFDV可以幫助你大規模驗證數據，TensorFlow Model Analysis可以使機器可視化和分析學習你建立的模型。它確實是一個完整的框架，但是你知道有什么更好的嗎？因為它全部開源，免費！

TensorFlow用Python編程語言編寫，這就是為什么你可以輕松地將其輕松安裝在Windows，macOS和Linux發行版上的原因。它還集成到Google Cloud中，因此你可以根據需要直接將其部署到生產中。

2、Scikit-learn

Scikit-learn是一個完全用Python編寫的機器學習框架。 它使你可以使用已建立的模型對數據運行分類，回歸，聚類和降維過程，同時支持有監督和無監督的學習方法。

Scikit-learn是僅Python的實現，因此盡管它對Java / Javascript框架的移植性不強，但仍可以在所有現代桌面操作系統上使用。

Scikit-learn之所以與眾不同，是因為它提供了龐大的高質量文檔，以及所有部分的一致API。 Scikit-learn也非常清楚你在處理它時可能需要使用哪種估計器：

3、Torch

Torch是為LuaJIT編寫的完整的科學計算環境，它是針對Lua語言的即時（JIT）編譯器。 Torch不僅是機器學習框架/庫，還是更大的科學計算環境，但是它提供的功能之一是對機器學習的支持。

如果你要使用Torch，那么你必須知道，你一定會使用真正的社區驅動的龐大庫和附件之一； 從機器學習到并行處理以及通過可視化庫傳遞……Torch中存在你在科學環境中所需的一切。

讓Torch感到遺憾的是，它在5個月前就退出了積極的開發并進入了維護模式。 因此，盡管它具有功能性和全部功能，但你不應指望很快會有任何新的更新。

4、PyTorch

基于以前的Torch庫，PyTorch是Python優先的機器學習框架，被大量用于深度學習。它支持CUDA技術（來自NVIDIA），可以在訓練，分析和驗證神經網絡模型中充分利用專用GPU的功能。

PyTorch的使用非常廣泛，并且正在積極地開發和支持。確實如此，因為盡管它是完全免費和開源的，但它提供了大量有價值的功能；它支持分布式訓練（使用各種對等計算機訓練模型），具有C ++前端（意味著你可以在C ++應用程序和系統中使用PyTorch），支持集成到許多云合作伙伴（例如AWS，Google Cloud）和Microsoft Azure，并擁有大量的開發人員和科學家社區，因此不斷為其提供模塊和第三方社區附加組件。

它還提供了大量的學習資源，從在線課程到完整的API文檔和快速指南，以及在線論壇和Slack渠道支持的傳遞……你始終可以在PyTorch社區中找到幫助。

5、Microsoft Cognitive工具包

另一個深度學習庫是Microsoft Cognitive Toolkit。 它可以與Python，C＃和C ++語言一起使用，并且僅適用于Windows和Linux發行版的64位版本。 它是根據MIT許可獲得許可的。

CNTK與Torch和PyTorch一樣，支持NVIDIA的CUDA技術。 它也與.NET標準兼容，因此可用于通過.NET框架（甚至在Linux上）編寫跨平臺應用程序。 它支持ONNX格式（這是神經網絡的開源格式）。

6、Accord.NET

正如你已經從其名稱中已經意識到的那樣，該框架主要是為.NET框架構建的。 它不僅僅是一個機器學習框架，而是為.NET中開發的任何內容提供統計信息，計算機視覺和圖像處理方法。 因此，它可以在Windows，macOS，Linux，android和iOS上運行。

Accord.NET優于此列表中提到的許多其他框架，這是它具有對語音識別，面部識別和圖像識別的內置實時支持。 因此，如果你真正從各個角度學習了該框架，則可以將其用于所需的任何類型的任務以及任何類型的應用程序。

使用Accord.NET已經出版了大量學術出版物，并且背后有大量的用戶社區。

7、DatumBox

列表中的最后一項是完全用Java編寫的框架。DatumBox，正如其開發人員所描述的那樣：

Datumbox機器學習框架是一個用Java編寫的開源框架，它允許快速開發機器學習和統計應用程序。該框架的主要重點是包括大量的機器學習算法和統計方法，并能夠處理大型數據集。

Datumbox開發

DatumBox的開發人員提供了一個在線高級API，該API利用DatumBox機器學習框架來完成各種預先構建的高級任務。如果你不想使用它，則可以簡單地下載機器學習框架，構建模型并自己進行訓練。

結論

因此，你在這篇文章中看到了有多少種出色的開源機器學習模型，它們在提供的質量和功能方面非常出色。 很難說必須使用專有的機器學習/ AI框架。

計算機視覺與語音識別的應用示例

Gravitylink推出鈦靈AIX是一款集計算機視覺與智能語音交互兩大核心功能為一體的人工智能硬件，Model Play是面向全球開發者的AI模型資源平臺，內置多樣化AI模型，與鈦靈AIX結合。AIX支持TensorFlow等多種開發框架，Model Play則兼容多種AI開發硬件，比如帶有Google Coral邊緣計算芯片的開發板、以及英特爾神經計算加速棒等。