网赢中国专注大数据营销 [会员登录][免费注册][网赢中国下载]我要投稿|加入合伙人|设为首页|收藏|RSS
网赢中国是大数据营销代名词。
大数据营销
当前位置:网赢中国 > 行业资讯 > 行业动态 > 大数据营销行业动态 > 28款GitHub最流行的开源机器学习项目(一)
28款GitHub最流行的开源机器学习项目(一)
编辑:readygo 发布时间: 2016-4-21    文章来源:云栖博客
大数据营销



现在机器学习逐渐成为行业热门,经过二十几年的发展,机器学习目前也有了十分广泛的应用,如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、DNA序列测序、语音和手写识别、战略游戏和机器人等方面。云栖社区特意翻译整理了目前GitHub上最受欢迎的28款开源的机器学习项目,以供开发者参考使用。


1. TensorFlow



TensorFlow 是谷歌发布的第二代机器学习系统。据谷歌宣称,在部分基准测试中,TensorFlow的处理速度比第一代的DistBelief加快了2倍之多。


具体的讲,TensorFlow是一个利用数据流图(Data Flow Graphs)进行数值计算的开源软件库:图中的节点( Nodes)代表数学运算操作,同时图中的边(Edges)表示节点之间相互流通的多维数组,即张量(Tensors)。这种灵活的架构可以让使用者在多样化的将计算部署在台式机、服务器或者移动设备的一个或多个CPU上,而且无需重写代码;同时任一基于梯度的机器学习算法均可够借鉴TensorFlow的自动分化(Auto-differentiation);此外通过灵活的Python接口,要在TensorFlow中表达想法也变得更为简单。


TensorFlow最初由Google Brain小组(该小组隶属于Google's Machine Intelligence研究机构)的研究员和工程师开发出来的,开发目的是用于进行机器学习和深度神经网络的研究。但该系统的通用性足以使其广泛用于其他计算领域。


目前Google 内部已在大量使用 AI 技术,包括 Google App 的语音识别、Gmail 的自动回复功能、Google Photos 的图片搜索等都在使用 TensorFlow 。


开发语言:C++


许可协议:Apache License 2.0


GitHub项目地址: https://github.com/tensorflow/tensorflow


2. Scikit-Learn


Scikit-Learn是用于机器学习的Python 模块,它建立在SciPy之上。该项目由David Cournapeau 于2007年创立,当时项目名为Google Summer of Code,自此之后,众多志愿者都为此做出了贡献。主要特点:



  • 操作简单、高效的数据挖掘和数据分析

  • 无访问限制,在任何情况下可重新使用

  • 建立在NumPy、SciPy 和 matplotlib基础上


Scikit-Learn的基本功能主要被分为六个部分:分类、回归、聚类、数据降维、模型选择、数据预处理,具体可以参考官方网站上的文档。经过测试,Scikit-Learn可在 Python 2.6、Python 2.7 和 Python 3.5上运行。除此之外,它也应该可在Python 3.3和Python 3.4上运行。


注:Scikit-Learn以前被称为Scikits.Learn。


开发语言:Python


许可协议:3-Clause BSD license


GitHub项目地址: https://github.com/scikit-learn/scikit-learn


3.Caffe


Caffe 是由神经网络中的表达式、速度、及模块化产生的深度学习框架。后来它通过伯克利视觉与学习中心((BVLC)和社区参与者的贡献,得以发展形成了以一个伯克利主导,然后加之Github和Caffe-users邮件所组成的一个比较松散和自由的社区。Caffe是一个基于C++/CUDA架构框架,开发者能够利用它自由的组织网络,目前支持卷积神经网络和全连接神经网络(人工神经网络)。在Linux上,C++可以通过命令行来操作接口,对于MATLAB、Python也有专门的接口,运算上支持CPU和GPU直接无缝切换。


Caffe的特点



  • 易用性:Caffe的模型与相应优化都是以文本形式而非代码形式给出, Caffe给出了模型的定义、最优化设置以及预训练的权重,方便快速使用;

  • 速度快:能够运行最棒的模型与海量的数据;

  • Caffe可与cuDNN结合使用,可用于测试AlexNet模型,在K40上处理一张图片只需要1.17ms;

  • 模块化:便于扩展到新的任务和设置上;

  • 使用者可通过Caffe提供的各层类型来定义自己的模型;


目前Caffe应用实践主要有数据整理、设计网络结构、训练结果、基于现有训练模型,使用Caffe直接识别。


开发语言:C++


许可协议: BSD 2-Clause license


GitHub项目地址: https://github.com/BVLC/caffe


4. PredictionIO


PredictionIO 是面向开发人员和数据科学家的开源机器学习服务器。它支持事件采集、算法调度、评估,以及经由REST APIs的预测结果查询。使用者可以通过PredictionIO做一些预测,比如个性化推荐、发现内容等。PredictionIO 提供20个预设算法,开发者可以直接将它们运行于自己的数据上。几乎任何应用与PredictionIO集成都可以变得更“聪明”。其主要特点如下所示:



  • 基于已有数据可预测用户行为;

  • 使用者可选择你自己的机器学习算法;

  • 无需担心可扩展性,扩展性好。


PredictionIO 基于 REST API(应用程序接口)标准,不过它还包含 Ruby、Python、Scala、Java 等编程语言的 SDK(软件开发工具包)。其开发语言是Scala语言,数据库方面使用的是MongoDB数据库,计算系统采用Hadoop系统架构。


开发语言:Scala


许可协议: Apache License 2.0


GitHub项目地址: https://github.com/PredictionIO/PredictionIO


5. Brain


Brain是 JavaScript 中的 神经网络库。以下例子说明使用Brain来近似 XOR 功能:


var net = new brain.NeuralNetwork();
net.train([{input: [0, 0], output: [0]},
{input: [0, 1], output: [1]},
{input: [1, 0], output: [1]},
{input: [1, 1], output: [0]}]);
var output = net.run([1, 0]); // [0.987]

当 brain 用于节点中,可使用npm安装:


npm install brain

当 brain 用于浏览器,下载最新的 brain.js 文件。训练计算代价比较昂贵,所以应该离线训练网络(或者在 Worker 上),并使用 toFunction() 或者 toJSON()选项,以便将预训练网络插入到网站中。


开发语言:JavaScript


GitHub项目地址: https://github.com/harthur/brain


6. Keras


Keras是极其精简并高度模块化的神经网络库,在TensorFlow 或 Theano 上都能够运行,是一个高度模块化的神经网络库,支持GPU和CPU运算。Keras可以说是Python版的Torch7,对于快速构建CNN模型非常方便,同时也包含了一些最新文献的算法,比如Batch Noramlize,文档教程也很全,在官网上作者都是直接给例子浅显易懂。Keras也支持保存训练好的参数,然后加载已经训练好的参数,进行继续训练。


Keras侧重于开发快速实验,用可能最少延迟实现从理念到结果的转变,即为做好一项研究的关键。


当需要如下要求的深度学习的库时,就可以考虑使用Keras:



  • 考虑到简单快速的原型法(通过总体模块性、精简性以及可扩展性);

  • 同时支持卷积网络和递归网络,以及两者之间的组合;

  • 支持任意连接方案(包括多输入多输出训练);

  • 可在CPU 和 GPU 上无缝运行。


Keras目前支持 Python 2.7-3.5。


开发语言:Python


GitHub项目地址: https://github.com/fchollet/keras


7. CNTK


CNTK(Computational Network Toolkit )是一个统一的深度学习工具包,该工具包通过一个有向图将神经网络描述为一系列计算步骤。在有向图中,叶节点表示输入值或网络参数,其他节点表示该节点输入之上的矩阵运算。


CNTK 使得实现和组合如前馈型神经网络DNN、卷积神经网络(CNN)和循环神经网络(RNNs/LSTMs)等流行模式变得非常容易。同时它实现了跨多GPU 和服务器自动分化和并行化的随机梯度下降(SGD,误差反向传播)学习。


下图将CNTK的处理速度(每秒处理的帧数)和其他四个知名的工具包做了比较了。配置采用的是四层全连接的神经网络(参见基准测试脚本)和一个大小是8192 的高效mini batch。在相同的硬件和相应的最新公共软件版本(2015.12.3前的版本)的基础上得到如下结果:



CNTK自2015年四月就已开源。


开发语言:C++


GitHub项目地址: https://github.com/Microsoft/CNTK


8. Convnetjs


ConvNetJS是利用Javascript实现的神经网络,同时还具有非常不错的基于浏览器的Demo。它最重要的用途是帮助深度学习初学者更快、更直观的理解算法。它目前支持:



  • 常见的神经网络模块(全连接层,非线性);

  • 分类(SVM/ SOFTMAX)和回归(L2)的成本函数;

  • 指定和训练图像处理的卷积网络;

  • 基于Deep Q Learning的实验强化学习模型。


一些在线示例:



  • Convolutional Neural Network on MNIST digits

  • Convolutional Neural Network on CIFAR-10

  • Toy 2D data

  • Toy 1D regression

  • Training an Autoencoder on MNIST digits

  • Deep Q Learning Reinforcement Learning demo + Image Regression ('Painting') + Comparison of SGD/Adagrad/Adadelta on MNIST 开发语言:Javascript 许可协议:MIT License GitHub项目地址:https://github.com/karpathy/convnetjs


9. Pattern



Pattern是Python的一个Web挖掘模块。拥有以下工具:



  • 数据挖掘:网络服务(Google、Twitter、Wikipedia)、网络爬虫、HTML DOM解析;

  • 自然语言处理:词性标注工具(Part-Of-Speech Tagger)、N元搜索(n-gram search)、情感分析(sentiment analysis)、WordNet;

  • 机器学习:向量空间模型、聚类、分类(KNN、SVM、 Perceptron);

  • 网络分析:图形中心性和可视化。


其文档完善,目前拥有50多个案例和350多个单元测试。 Pattern目前只支持Python 2.5+(尚不支持Python 3),该模块除了在Pattern.vector模块中使用LSA外没有其他任何外部要求,因此只需安装 NumPy (仅在Mac OS X上默认安装)。


开发语言:Python


许可协议:BSD license


GitHub项目地址: https://github.com/clips/pattern


10. NuPIC



NuPIC是一个实现了HTM学习算法的机器智能平台。HTM是一个关于新(大脑)皮质(Neocortex)的详细人工智能算法。HTM的核心是基于时间的连续学习算法,该算法可以存储和调用时间和空间两种模式。NuPIC可以适用于解决各类问题,尤其是异常检测和流数据源预测方面。NuPIC Binaries文件目前可用于:



  • Linux x86 64bit

  • OS X 10.9

  • OS X 10.10

  • Windows 64bit


NuPIC 有自己的独特之处。许多机器学习算法无法适应新模式,而NuPIC的运作接近于人脑,当模式变化的时候,它会忘掉旧模式,记忆新模式。


开发语言:Python


GitHub项目地址: https://github.com/numenta/nupic


11. Theano


Theano是一个Python库,它允许使用者有效地定义、优化和评估涉及多维数组的数学表达式,同时支持GPUs和高效符号分化操作。Theano具有以下特点:



  • 与NumPy紧密相关--在Theano的编译功能中使用了Numpy.ndarray ;

  • 透明地使用GPU--执行数据密集型计算比CPU快了140多倍(针对Float32);

  • 高效符号分化--Theano将函数的导数分为一个或多个不同的输入;

  • 速度和稳定性的优化--即使输入的x非常小也可以得到log(1+x)正确结果;

  • 动态生成 C代码--表达式计算更快;

  • 广泛的单元测试和自我验证--多种错误类型的检测和判定。


自2007年起,Theano一直致力于大型密集型科学计算研究,但它目前也很被广泛应用在课堂之上( 如Montreal大学的深度学习/机器学习课程)。


开发语言:Python


GitHub项目地址: https://github.com/Theano/Theano


12. MXNet



MXNet是一个兼具效率和灵活性的深度学习框架。它允许使用者将符号编程和命令式编程相结合,以追求效率和生产力的最大化。其核心是动态依赖调度程序,该程序可以动态自动进行并行化符号和命令的操作。其中部署的图形优化层使得符号操作更快和内存利用率更高。该库轻量且便携带,并且可扩展到多个GPU和多台主机上。主要特点:



  • 其设计说明提供了有用的见解,可以被重新应用到其他DL项目中;

  • 任意计算图的灵活配置;

  • 整合了各种编程方法的优势最大限度地提高灵活性和效率;

  • 轻量、高效的内存以及支持便携式的智能设备;

  • 多GPU扩展和分布式的自动并行化设置;

  • 支持Python、R、C++和 Julia;

  • 对“云计算”友好,直接兼容S3、HDFS和Azure。


MXNet不仅仅是一个深度学习项目,它更是一个建立深度学习系统的蓝图、指导方针以及黑客们对深度学习系统独特见解的结合体。


开发语言:Jupyter Notebook


开源许可:Apache-2.0 license


GitHub项目地址: https://github.com/dmlc/mxnet


13. Vowpal Wabbit


Vowpal Wabbit是一个机器学习系统,该系统推动了如在线、散列、Allreduce、Learning2search、等方面机器学习前沿技术的发展。 其训练速度很快,在20亿条训练样本,每个训练样本大概100个非零特征的情况下:如果特征的总位数为一万时,训练时间为20分钟;特征总位数为1000万时,训练时间为2个小时。Vowpal Wabbit支持分类、 回归、矩阵分解和LDA。当在Hadoop上运行Vowpal Wabbit时,有以下优化机制:



  • 懒惰初始化:在进行All Reduce之前,可将全部数据加载到内存中并进行缓存。即使某一节点出现了错误,也可以通过在另外一个节点上使用错误节点的数据(通过缓存来获取)来继续训练。

  • Speculative Execution:在大规模集群当中,一两个很慢的Mapper会影响整个Job的性能。Speculative Execution的思想是当大部分节点的任务完成时,Hadoop可以将剩余节点上的任务拷贝到其他节点完成。


开发语言:C++


GitHub项目地址: https://github.com/JohnLangford/vowpal_wabbit


14. Ruby Warrior


通过设计了一个游戏使得Ruby语言和人工智能学习更加有乐趣和互动起来。


使用者扮演了一个勇士通过爬上一座高塔,到达顶层获取珍贵的红宝石(Ruby)。在每一层,需要写一个Ruby脚本指导战士打败敌人、营救俘虏、到达楼梯。使用者对每一层都有一些认识,但是你永远都不知道每层具体会发生什么情况。你必须给战士足够的人工智能,以便让其自行寻找应对的方式。


勇士的动作相关API:




  • Warrior.walk: 用来控制勇士的移动,默认方向是往前;




  • warrior.feel:使用勇士来感知前方的情况,比如是空格,还是有怪物;




  • Warrior.attack:让勇士对怪物进行攻击;




  • Warrior.health:获取勇士当前的生命值;




  • Warrior.rest:让勇士休息一回合,恢复最大生命值的10%。




勇士的感知API:




  • Space.empty:感知前方是否是空格;




  • Space.stairs:感知前方是否是楼梯;




  • Space.enemy: 感知前方是否有怪物;




  • Space.captive:感知前方是否有俘虏;




+ Space.wall:感知前方是否是墙壁。


开发语言:Ruby


GitHub项目地址: https://github.com/ryanb/ruby-warrior








大数据营销
编辑推荐
图片行业资讯
  • 小米引爆用户参与感有哪些值得借签的法则?
  • 百度,想说爱你不容易
  • 商业“洞察力”到底是什么?100年前,这位大师,通过4个故事告诉我们......
  • 从人性出发:剖析软文标题创作的思维!
  • 日报 | 最聪明的人工智能热感摄像机来了
营销资讯搜索
大数据营销
推荐工具
    热点关注
    大数据营销
    大数据营销
    大数据营销
    大数据营销
     

    大数据营销之企业名录

    网络营销之邮件营销

    大数据营销之搜索采集系列

    大数据营销之QQ号采集

    大数据营销之QQ精准营销

    大数据营销之QQ消息群发

    大数据营销之空间助手

    大数据营销之QQ联盟

    大数据营销之QQ群助手
     
    设为首页 | 营销资讯 | 营销学院 | 营销宝典 | 本站动态 | 关于网赢中国 | 网赢中国渠道 | 网站RSS | 友情链接
    本站网络实名:网赢中国  国际域名:www.softav.com  版权所有 2004-2016  深圳爱网赢科技有限公司
    邮箱:web@softav.com 电话:+86-755-26010839(十八线) 传真:+86-755-26010838
    在线咨询:点击这里给我发消息 点击这里给我发消息 点击这里给我发消息  点击这里给我发消息  点击这里给我发消息

    深圳网络警
    察报警平台
    公共信息安
    全网络监察
    经营性网站
    备案信息
    不良信息
    举报中心
    中国文明网
    传播文明
    分享