2017 最全的機器學習開源項目列表

• 2017年最具潛力的前端開源項目Top20
• 不同領域開發工具 Top 50
• 2016 年穀歌開源了這些超酷炫的項目
• 視頻設計常用的幾款開源軟體

2016 年，似乎所有巨頭公司都在做機器學習，如果沒有，也是在趕來的路上。所以 2016 或許會因為 「機器學習大熱」 而被載入史冊。2017，這個熱潮並沒有消退的跡象，前陣子 AlphaGo 的升級版以橫掃千軍的姿態戰勝幾乎所有中國的圍棋大師，如入無人之境，最後更是以 60 連勝完美收官。人們對於機器學習的熱情再度被點燃起來。

機器學習的熱度如此高，大家也許會需要查找相關資源進行學習和研究。本文整理了一份優秀的開源的有關機器學習的框架 、平台、系統、庫和工具包的列表。

平台和系統

• TensorFlow — TensorFlow 是谷歌的第二代機器學習系統，內建深度學習的擴展支持，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，為百度內部多項產品提供深度學習演算法支持
• Apache SINGA — SINGA 是基於大型數據集訓練，大型深度學習模塊的常規分散式學習平台。SINGA 支持各種流行的深度學習模塊
• Scikit Flow — TensorFlow 的簡化介面，模仿 Scikit 學習，用戶可在預測分析和數據挖掘中使用
• VELES — 分散式深度學習應用系統，用戶只需要提供參數，剩下的都可以交給 VELES。VELES 是三星開發的另一個 TensorFlow
• SpeeDO — 為通用硬體設計的並行深度學習系統。SpeeDO 不需要特殊的 I/O 硬體，支持 CPU/GPU 集群，可以很方便地在各種雲端環境上部署，如 AWS、Google GCE、Microsoft Azure 等等

框架

• Torchnet — Facebook 為加快 A.I 研究而開源的深度學習框架
• LightGBM — 微軟開源的一個實現 GBDT 演算法的框架，支持高效率的並行訓練。旨在解決 GBDT 在海量數據遇到的問題，讓 GBDT 可以更好更快地用於工業實踐
• Guagua — Hadoop 迭代式計算框架 Guagua 是 PayPal 的一個開源機器學習框架 Shifu 的子項目，主要解決模型訓練的分散式問題
• Chainer — Chainer 在深度學習的理論演算法和實際應用之間架起一座橋樑，深度學習的靈活框架
• Shifu — 基於 Hadoop 的快速和可伸縮的機器學習框架
• KeystoneML — 用 Scala 編寫的框架，旨在簡化構造大規模、端到端的機器學習管道，基於 Apache Spark 構建
• LightNet — 輕量級，多功能，完全基於 Matlab 的深度學習框架。目的是為深度學習研究提供一個易於理解、易於使用和高效的計算平台
• DeepLearningKit — 針對 iOS、OS X 和 tvOS 的開源深度學習框架
• GoLearn — GoLearn 是一款 Go 語言實現的機器學習框架
• YCML — 使用 Objective-C 編寫的機器學習框架，也支持 Swift

工具包和庫

• DMTK — 微軟開源的分散式機器學習工具包，包括 DMTK 分散式機器學習框架、用於訓練主題模型的 LightLDA以及分散式詞向量
• CNTK — 微軟開源的用於語音識別的深度學習工具包，藉助 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，能同時支持兩個圖形處理器（GPU）參與運算，主要用作智能搜索和推薦
• Scikit-learn — Python 的機器學習項目，簡潔、高效的演算法庫，提供一系列的監督學習和無監督學習的演算法，用於數據挖掘和數據分析。SciKit-learn 幾乎覆蓋了機器學習的所有主流演算法
• Deeplearning4j — 為 Java 和 Scala 編寫的首個商業級開源分散式深度學習庫，為商業環境所設計，以即插即用為目標，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製作
• MXNet — 輕量級且靈活高效的深度學習庫，允許使用混合符號編程和命令式編程
• CaffeOnSpark — 雅虎開源的基於 Hadoop/Spark 的分散式深度學習包
• BigDL — 英特爾開源的基於 Apache Spark 的分散式深度學習庫，支持高性能大數據分析
• Swift AI — 高性能的人工智慧和機器學習庫，完全用 Swift 編寫，目前支持 iOS 和 OS X，包括一組人工智慧和機器學習的通用工具
• Gorgonia — Go 機器學習庫，用於撰寫和評估多維數組的數學公式。與 Theano 和 TensorFlow 理念相似，支持 GPU/CUDA，支持分散式計算
• Shark C++ — 快速、模塊化、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、基於內核學習演算法、神經網路等
• MLPACK — C++ 的機器學習庫，亮點在於其擴展性、高速性和易用性。旨在讓新用戶通過簡單、一致的 API 使用機器學習，同時為專業用戶提供 C++ 的高性能和最大靈活性
• smile — 包含各種現有的機器學習演算法的 Java 庫。例如鄰接表和矩陣圖演算法、基於 Swing 的可視化庫等
• PredictionIO — 開源的機器學習伺服器，開發工程師和數據分析師可以使用它構建智能應用程序，還可以做一些預測功能，比如個性化推薦、發現內容等
• 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，它利用諸如在線，散列，減少，縮減，學習，搜索，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，通過數據和集群特性保證高效和可伸縮。SystemML 可在 MapReduce 或者 Spark 環境中運行

本文轉自：博客專區 - 開源中國社區