10 populārākie atvērtā pirmkoda mākslīgā intelekta rīki Linux


Šajā ziņojumā mēs aplūkosim dažus no labākajiem, atvērtā koda mākslīgā intelekta (AI) rīkiem Linux ekosistēmai. Pašlaik AI ir viena no arvien progresējošākajām zinātnes un tehnoloģijas jomām, un galvenā uzmanība tiek pievērsta programmatūras un aparatūras veidošanai, lai risinātu ikdienas dzīves problēmas tādās jomās kā veselības aprūpe, izglītība, drošība, ražošana, banku darbība un vēl daudz vairāk.

Zemāk ir saraksts ar vairākām platformām, kas izstrādātas un izstrādātas AI atbalstam, kuras varat izmantot Linux un, iespējams, daudzās citās operētājsistēmās. Atcerieties, ka šis saraksts nav sakārtots noteiktā interesējošā secībā.

1. Dziļa mācīšanās Java (Deeplearning4j)

Deeplearning4j ir komerciāla pakāpe, atvērtā koda, plug and play izplatīta dziļi apgūta bibliotēka Java un Scala programmēšanas valodām. Tas ir paredzēts īpaši ar uzņēmējdarbību saistītām lietojumprogrammām un integrēts ar Hadoop un Spark virs izplatītajiem procesoriem un GPU.

DL4J tiek izlaists ar Apache 2.0 licenci un nodrošina GPU atbalstu mērogošanai AWS un ir pielāgots mikropakalpojumu arhitektūrai.

Apmeklējiet mājas lapu: http://deeplearning4j.org/

2. Caffe - padziļināta mācību sistēma

Caffe ir modulāra un izteiksmīga dziļas mācīšanās sistēma, kuras pamatā ir ātrums. Tas tiek izlaists ar BSD 2 klauzulu licenci, un tas jau atbalsta vairākus kopienas projektus tādās jomās kā pētniecība, starta prototipi, rūpnieciskas lietojumprogrammas tādās jomās kā redze, runa un multivide.

Apmeklējiet mājas lapu: http://caffe.berkeleyvision.org/

3. H20 - izplatīts mašīnmācīšanās ietvars

H20 ir atvērtā koda, ātra, mērogojama un izplatīta mašīnmācīšanās sistēma, kā arī algoritmu klāsts, kas aprīkots ar sistēmu. Tas atbalsta viedāku lietošanu, piemēram, dziļu mācīšanos, gradienta palielināšanu, nejaušus mežus, vispārinātu lineāru modelēšanu (ti, loģistisko regresiju, Elastic Net) un daudz ko citu.

Tas ir uz uzņēmējdarbību orientēts mākslīgā intelekta rīks lēmumu pieņemšanai no datiem, un tas ļauj lietotājiem gūt ieskatu no saviem datiem, izmantojot ātrāku un labāk paredzamu modelēšanu.

Apmeklējiet mājas lapu: http://www.h2o.ai/

4. MLlib - mašīnmācīšanās bibliotēka

MLlib ir atvērtā pirmkoda, ērti lietojama un augstas veiktspējas mašīnmācīšanās bibliotēka, kas izstrādāta kā daļa no Apache Spark. Būtībā to ir viegli izvietot, un to var darbināt ar esošajām Hadoop kopām un datiem.

MLlib piegādā arī klasifikācijas, regresijas, ieteikumu, kopu veidošanas, izdzīvošanas analīzes un daudz ko citu algoritmu kolekciju. Svarīgi, ka to var izmantot Python, Java, Scala un R programmēšanas valodās.

Apmeklējiet mājas lapu: https://spark.apache.org/mllib/

5. Apache Mahout

Mahout ir atvērtā koda sistēma, kas paredzēta mērogojamu mašīnmācīšanās lietojumprogrammu veidošanai, tai ir trīs ievērojamas iezīmes, kas uzskaitītas zemāk:

  1. nodrošina vienkāršu un paplašināmu programmēšanas darba vietu
  2. Piedāvā dažādus fasētus algoritmus Scala + Apache Spark, H20, kā arī Apache Flink
  3. Iekļauta matemātikas eksperimentu vektora darbavieta Samaras ar R līdzīgu sintaksi

Apmeklējiet mājas lapu: http://mahout.apache.org/

6. Atvērt Neironu tīklu bibliotēku (OpenNN)

OpenNN ir arī atvērtā koda klases bibliotēka, kas dziļi mācīta rakstīta C ++, un to izmanto neironu tīklu rosināšanai. Tomēr tas ir optimāli tikai pieredzējušiem C ++ programmētājiem un personām ar milzīgām mašīnmācīšanās prasmēm. To raksturo dziļa arhitektūra un augsta veiktspēja.

Apmeklējiet mājas lapu: http://www.opennn.net/

7. Oryx 2

Oryx 2 ir sākotnējā Oryx projekta turpinājums. Tas ir izstrādāts Apache Spark un Apache Kafka kā lambda arhitektūras pārbūve, lai gan tas ir veltīts reāllaika mašīnmācīšanās sasniegšanai.

Tā ir platforma lietojumprogrammu izstrādei, un tā tiek piegādāta kopā ar noteiktām lietojumprogrammām, kā arī kopīgai filtrēšanai, klasificēšanai, regresijai un kopu izveidošanai.

Apmeklējiet mājas lapu: http://oryx.io/

8. OpenCyc

OpenCyc ir atvērtā koda portāls, kas nodrošina vislielāko un visaptverošāko vispārējo zināšanu bāzi un veselīgu saprāta motīvu pasaulē. Tas ietver lielu skaitu Cyc terminu, kas sakārtoti precīzi izstrādātajā onoloģijā lietošanai šādās jomās:

  1. Bagāta domēna modelēšana
  2. Domēnu specifiskās ekspertu sistēmas
  3. teksta izpratne
  4. Semantisko datu integrācija, kā arī AI spēles un vēl daudz vairāk.

Apmeklējiet mājas lapu: http://www.cyc.com/platform/opencyc/

9. Apache sistēmaML

SystemML ir atvērtā koda mākslīgā intelekta platforma mašīnmācībai, kas ideāli piemērota lieliem datiem. Tās galvenās iezīmes ir - darbojas ar R un Python līdzīgu sintaksi, kas koncentrēta uz lielajiem datiem un paredzēta īpaši augsta līmeņa matemātikai. Kā tas darbojas, ir labi izskaidrots mājaslapā, ieskaitot video demonstrāciju skaidrai ilustrācijai.

Ir vairāki veidi, kā to izmantot, tostarp Apache Spark, Apache Hadoop, Jupyter un Apache Zeppelin. Daži no ievērojamākajiem lietošanas gadījumiem ietver automobiļus, lidostas satiksmi un sociālo banku pakalpojumus.

Apmeklējiet mājas lapu: http://systemml.apache.org/

10. NuPIC

NuPIC ir atvērtā pirmkoda ietvars mašīnmācībām, kas balstīts uz neokorteksu teoriju Heirarhisko pagaidu atmiņu (HTM). NuPIC integrētā HTM programma tiek īstenota reāllaika straumēšanas datu analīzei, kur tā uzzina datos pastāvošos modeļus, prognozē nenovēršamās vērtības, kā arī atklāj visus pārkāpumus.

Tās ievērojamās funkcijas ietver:

  1. Nepārtraukta apmācība tiešsaistē
  2. Laika un telpiskie modeļi
  3. reāllaika straumēšanas dati
  4. Prognozēšana un modelēšana
  5. Spēcīga anomāliju noteikšana
  6. Hierarhiska laika atmiņa

Apmeklējiet mājas lapu: http://numenta.org/

Pieaugot un arvien progresējot AI pētījumiem, mums noteikti būs liecinieki, ka rodas vairāk rīku, kas palīdzēs padarīt šo tehnoloģiju jomu veiksmīgu, jo īpaši ikdienas zinātnisko problēmu risināšanā kopā ar izglītības mērķiem.

Vai jūs interesē AI, kāds ir jūsu viedoklis? Piedāvājiet mums savas domas, ieteikumus vai jebkādas produktīvas atsauksmes par tematu, izmantojot zemāk esošo komentāru sadaļu, un mēs priecāsimies uzzināt vairāk no jūsu.