国内最专业的IT技术学习网

UI设计

当前位置:主页 > UI设计 >

21个必知的机器学习开源工具,涵盖5大领域

发布时间:2019/08/02标签:   机器    点击量:

原标题:21个必知的机器学习开源工具,涵盖5大领域
本文将先容21个你能够没应用过的呆板进修开源东西。 每个开源东西都为数据迷信家处置数据库供给了差别角度。 本文将重点先容五种呆板进修的东西——面向非顺序员的东西(Ludwig、Orange、KNIME)、模子安排(CoreML、Tensorflow.js)、大数据(Hadoop、Spark)、盘算机视觉(SimpleCV)、NLP(StanfordNLP)、音频和强化进修(OpenAI Gym)。你确定曾经晓得一些著名的开源东西,如R、Python、Jupyter条记本等。但除此以外,另有一个天下——一个在雷达下呆板进修东西存在的天下。它们虽没有那些著名的开源东西杰出,但却能够关心用户处理很多呆板进修的义务。开源呆板进修东西可分为以下5类:1. 面向非顺序员的开源呆板进修东西关于没有编程配景和技巧配景的人来讲,呆板进修仿佛很庞杂。这是一个宽阔的范畴,能够设想,首次打仗呆板进修有多使人可怕。一个没有编程教训的人能在呆板进修范畴取得胜利吗?现实证实,能取得胜利!以下三种东西能够关心非顺序员逾越技巧鸿沟,进入申明鹊起的呆板进修天下: Uber Ludwig:Uber’s Ludwig是一个树立在TensorFlow上的东西箱。Ludwig同意用户练习和测试深度进修模子,而不须要编写代码。用户须要供给的只是一个包括数据的CSV文件,一个用作输出的列表,以及一个用作输入的列表——而剩下任务将由Ludwig来实现。它对试验十分有效,由于用户只要消耗很少的时光和精神,就能构建庞杂的模子。而且用户能够对其停止调剂和处置以后再决议能否要将其应用在代码中。 KNIME:KNIME可供用户应用拖放界面创立全部数据迷信任务流。用户能够基础完成从功效工程到功效抉择的全部功效,乃至能够经过这类方法将猜测呆板进修模子归入任务流程中。这类可视化履行全部模子任务流的方式十分直观,而且在处置庞杂的成绩时十分有效。 Orange:用户不用晓得怎样编写代码以应用orange来发掘数据、处置数字以及由此得出本人的看法。相同,用户可履行基础可视化、数据操纵、转换和数据发掘等义务。因为Orange的易用性及其增加多个附加组件以弥补其功效的才能,该东西近来在先生和老师中非常风行。另有很多更有味、收费的开源软件能够供给很好的呆板进修功效,而无需编写(大批)代码。别的,一些付费效劳也能够斟酌,如Google AutoML、 Azure Studio、 Deep Cognition和 Data Robot.2. 旨在安排模子的开源呆板进修东西安排呆板进修模子是一个非常主要但最轻易被疏忽的义务,用户应当加以留神。它确定会呈现在口试中,以是用户需很好地懂得这个话题。以下四种东西能够应用户更易将其名目应用到事实装备上。 MLFlow: MLFlow旨在与呆板进修库或算法共同应用,并治理包含试验、再验和呆板进修模子安排在内的全部性命周期。现在,MLFlow在Alpha中有3个局部——跟踪、名目和模子。

上一篇:你问我们答6、物联网在哪里使用?

下一篇:没有了

返回
版权信息Copyright © IT技术教程 版权所有    ICP备案编号:鲁ICP备09013610号