2019年20個最佳Python人工智慧和機器學習開源工具(專案)

Python 深度學習開源 · 發表 2019-02-15 10:04:51

摘要：圖片.png 參考資料討論qq群630011153 144081101 本文最新版本地址本文涉及的python測試開發庫謝謝點贊！本文相關海量書籍下載 2018最佳人工智慧機器學習工具書及下載...

圖片.png

TensorFlow 最初是由研究人員和工程師在Google機器智慧研究組織的Google Brain團隊中開發的。該系統旨在促進機器學習的研究，並使其從研究原型到生產系統的快速和輕鬆過渡。

Github URL: Tensorflow

圖片.png

Scikit-learn

是用於資料探勘和資料分析的簡單而有效的工具，可供所有人訪問，並可在各種環境中重用，基於NumPy，SciPy和matplotlib，開源，商業可用 - BSD許可證。

圖片.png

Github URL: Keras

Github URL: pytorch

Github URL: Theano

Github URL: Gensim

- Caffe 以表達，速度和模組化為基礎的深度學習框架。它由伯克利視覺和學習中心( BVLC )和社群貢獻者開發。

Github URL: Caffe

Chainer ：基於Python的獨立開源框架，適用於深度學習模型。 Chainer提供靈活，直觀和高效能的方法來實現全方位的深度學習模型，包括最新的模型，如遞迴神經網路和變分自動編碼器。

Github URL: Chainer

Statsmodels : 允許使用者瀏覽資料，估計統計模型和執行統計測試。描述性統計，統計測試，繪圖函式和結果統計的廣泛列表可用於不同型別的資料和每個估算器。

Github URL: Statsmodels

Shogun 是機器學習工具箱，提供各種統一和高效的機器學習（ML）方法。工具箱無縫地允許輕鬆組合多個數據表示，演算法類和通用工具。

Github URL: Shogun

Pylearn2 機器學習庫。它的大部分功能都建立在Theano之上。這意味著您可以使用數學表示式編寫Pylearn2外掛（新模型，演算法等），Theano將為您優化和穩定這些表示式，並將它們編譯為您選擇的後端（CPU或GPU）。

Github URL: Pylearn2

Github URL: NuPIC

Github URL: Nilearn

Github URL: Orange3

Github URL: Pymc

- Deap : 一種新穎的進化計算框架，用於快速原型設計和思想測試。它旨在使演算法明確，資料結構透明。它與多處理和SCOOP等並行機制完美協調。

Github URL: Deap

Annoy ( Approximate Nearest Neighbors Oh Yeah)是一個帶有Python繫結的C ++庫，用於搜尋空間中接近給定查詢點的點。它還建立了大型只讀基於檔案的資料結構，這些資料結構對映到記憶體中，以便許多程序可以共享相同的資料。

Github URL: Annoy

Github URL: PyBrain

Github URL: Fuel