7个你应该知道机器学习平台、框架和库

人工智能，大数据和混合云对商业、行业产生了重大影响。而机器学习正广泛被用于这些技术趋势领域，从而为企业的业务发展提供助力。科技巨头正在加紧布局人工智能、机器学习、深度学习在全行业的应用。如，亚马逊、谷歌、微软、Facebook等。本文将介绍一些用于机器学习的工具，包括Amazon Machine Learning，Tensor Flow，Azure Machine Learning Studio，H20，Caffe，MLlib和Torch。

Amazon Machine Learning

Amazon Machine Learning计划源于亚马逊内部数据科学家社区多年来使用的技术。Amazon Machine Learning使用先进的算法和公式创建机器学习模型，帮助你查找现有数据中的模式。然后，这些模型用于处理新数据并帮助生成预测。

除了快速准确地提供这些预测之外，亚马逊机器学习还能够每天产生数百万的预测。纳入亚马逊机器学习的企业可以预先购买此硬件或软件，并按需使用。

Tensor Flow

Tensor Flow是一个开源软件库，主要用于使用数据流图的数值计算。Google开发了Tensor Flow，以帮助将机器学习建立到自己的系统中，并辅助神经网络研究。研究人员发现，该系统可以适用于各种其他领域。Tensor Flow以更快，更智能，更灵活的方式而闻名，使其更容易适应不同的新旧产品和研究。Tensor Flow是一种高度可扩展的机器学习系统，适用于各种系统。

Azure Machine Learning Studio(AMLS)

AMLS是一个服务框架。它能够使企业能够适应Azure云中的机器学习解决方案。它用协同的拖放工具，可帮助构建，测试和部署业务数据的预测分析解决方案。AMLS将模型作为Web服务开发，可以轻松应用于自定义应用程序。AMLS是客户可以存储和使用他们的研究，预测分析，云资源和数据的地方。

H20

H2O，也称为H2O.ai，正在为全球最具影响力的一些公司开发关键任务数据产品。事实上，H2O是世界上使用最广泛的开源深度学习平台。它被全球超过8万名数据科学家和研究人员以及超过9000家企业和组织所利用。H2O提供基于Web的用户界面，同时可访问机器学习软件库，并开启机器学习的过程。

Caffe

这个广泛的平台鼓励使用它的企业对应用进行创新。Caffe支持广泛的代码使用。1000多名开发人员推动其发展，为机器学习做贡献。Caffe帮助学术研究项目，启动原型，以及视觉，语音和多媒体等大型工业应用。

MLlib

MLlib是Apache Spark的机器学习库，它包含常见的学习算法和实用程序，包括分类，回归，聚类，协同过滤，维数降低等。MLlib易于部署和运行在现有的数据集群上。

Torch

Torch是一种广泛使用的开源机器学习开发框架。它允许基于神经网络的算法在GPU硬件上运行，而不需要在硬件级别进行编码。Torch易于使用，而且高效，因简单、快速的脚本语言而受到青睐。Torch的目标是在构建科学算法时具有最大的灵活性和速度，而不会使过程变得困难。