機器學習工具、平台彙總

1. 平台和系統

• TensorFlow — TensorFlow 是谷歌的第二代機器學習系統，内建深度學習的擴充支援，任何能夠用計算流圖形來表達的計算，都可以使用 TensorFlow
• PaddlePaddle — 百度研發的深度學習平台，具有易用，高效，靈活和可伸縮等特點，為百度内部多項産品提供深度學習算法支援
• Apache SINGA — SINGA 是基于大型資料集訓練，大型深度學習子產品的正常分布式學習平台。SINGA 支援各種流行的深度學習子產品
• Scikit Flow — TensorFlow 的簡化接口，模仿 Scikit 學習，使用者可在預測分析和資料挖掘中使用
• VELES — 分布式深度學習應用系統，使用者隻需要提供參數，剩下的都可以交給 VELES。VELES 是三星開發的另一個 TensorFlow
• SpeeDO — 為通用硬體設計的并行深度學習系統。SpeeDO 不需要特殊的 I/O 硬體，支援 CPU/GPU 叢集，可以很友善地在各種雲端環境上部署，如 AWS、Google GCE、Microsoft Azure 等等

架構

• Torchnet — Facebook 為加快 A.I 研究而開源的深度學習架構
• LightGBM — 微軟開源的一個實作 GBDT 算法的架構，支援高效率的并行訓練。旨在解決 GBDT 在海量資料遇到的問題，讓 GBDT 可以更好更快地用于工業實踐
• Guagua — Hadoop 疊代式計算架構 Guagua 是 PayPal 的一個開源機器學習架構 Shifu 的子項目，主要解決模型訓練的分布式問題
• Chainer — Chainer 在深度學習的理論算法和實際應用之間架起一座橋梁，深度學習的靈活架構
• Shifu — 基于 Hadoop 的快速和可伸縮的機器學習架構
• KeystoneML — 用 Scala 編寫的架構，旨在簡化構造大規模、端到端的機器學習管道，基于 Apache Spark 建構
• LightNet — 輕量級，多功能，完全基于 Matlab 的深度學習架構。目的是為深度學習研究提供一個易于了解、易于使用和高效的計算平台
• DeepLearningKit — 針對 iOS、OS X 和 tvOS 的開源深度學習架構
• GoLearn — GoLearn 是一款 Go 語言實作的機器學習架構
• YCML — 使用 Objective-C 編寫的機器學習架構，也支援 Swift

工具包和庫

• DMTK — 微軟開源的分布式機器學習工具包，包括 DMTK 分布式機器學習架構、用于訓練主題模型的 LightLDA以及分布式詞向量
• CNTK — 微軟開源的用于語音識别的深度學習工具包，借助 GPU 的能力，該工具包的效率相當高

• DSSTNE — 亞馬遜開源的深度學習工具，能同時支援兩個圖形處理器(GPU)參與運算，主要用作智能搜尋和推薦

  Scikit-learn — Python 的機器學習項目，簡潔、高效的算法庫，提供一系列的監督學習和無監督學習的算法，用于資料挖掘和資料分析。SciKit-learn 幾乎覆寫了機器學習的所有主流算法

• Deeplearning4j — 為 Java 和 Scala 編寫的首個商業級開源分布式深度學習庫，為商業環境所設計，以即插即用為目标，通過更多預設的使用，避免太多配置，讓非研究人員也能夠進行快速的原型制作
• MXNet — 輕量級且靈活高效的深度學習庫，允許使用混合符号程式設計和指令式程式設計
• CaffeOnSpark — 雅虎開源的基于 Hadoop/Spark 的分布式深度學習包
• BigDL — 英特爾開源的基于 Apache Spark 的分布式深度學習庫，支援高性能大資料分析
• Swift AI — 高性能的人工智能和機器學習庫，完全用 Swift 編寫，目前支援 iOS 和 OS X，包括一組人工智能和機器學習的通用工具
• Gorgonia — Go 機器學習庫，用于撰寫和評估多元數組的數學公式。與 Theano 和 TensorFlow 理念相似，支援 GPU/CUDA，支援分布式計算
• Shark C++ — 快速、子產品化、功能豐富的開源 C++ 機器學習庫，提供了各種機器學習相關技術，比如線性/非線性優化、基于核心學習算法、神經網絡等
• MLPACK — C++ 的機器學習庫，亮點在于其擴充性、高速性和易用性。旨在讓新使用者通過簡單、一緻的 API 使用機器學習，同時為專業使用者提供 C++ 的高性能和最大靈活性
• smile — 包含各種現有的機器學習算法的 Java 庫。例如鄰接表和矩陣圖算法、基于 Swing 的可視化庫等
• PredictionIO — 開源的機器學習伺服器，開發工程師和資料分析師可以使用它建構智能應用程式，還可以做一些預測功能，比如個性化推薦、發現内容等
• Aerosolve — 支撐 Airbnb 定價建議系統的機器學習引擎
• Vowpal Wabbit — 機器學習系統，它利用諸如線上，散列，減少，縮減，學習，搜尋，主動和互動式學習等技術推動機器學習技術的前沿發展
• Apache SystemML — SystemML 是靈活的、可伸縮機器學習 (ML) 語言，使用 Java 編寫。它提供自動優化功能，通過資料和叢集特性保證高效和可伸縮。SystemML 可在 MapReduce 或者 Spark 環境中運作