AI 的开发从研究到生产的过程，涉及多个步骤和工具，这使得测试新方法、部署它们，以及迭代以提高准确性和性能都非常耗时而且复杂。为了帮助加速和优化这个过程，Facebook 推出了 PyTorch 1.0。
现在，PyTorch 受欢迎的趋势，尤其是在研究人员之间，大有赶超 TensorFlow 之趋。
PyTorch 1.0 采用了 Caffe2 和 ONNX 的模块化、面向生产的功能，并将它们与 PyTorch 现有的灵活的、侧重于研究的设计结合起来，为各种 AI 项目提供从研究原型到生产部署的快速、无缝的路径。
使用 PyTorch 1.0，AI 开发人员可以通过在命令式执行模式和声明式执行模式之间无缝切换的混合前端进行快速实验和性能优化。PyTorch 1.0 中的技术已经为Facebook的许多产品和服务提供支持，包括每天执行 60 亿次的文本翻译。
PyTorch 1.0 包含一系列工具、库、预训练的模型和各个开发阶段的数据集，使社区能够大规模地快速创建和部署新的 AI 创新。
Amazon Machine Learning
Amazon Machine Learning(AML) 为开发机器学习模型提供了工具和向导。
AML 通过提供易用的分析和可视化辅助工具，使开发人员更容易访问机器学习。它还可以连接到 Redshift 或 Amazon S3 上存储的任何数据。
AML 提供的交互式图表有助于可视化输入数据集，以便更好地理解数据。AML 还管理运行和扩展模型创建所需的基础架构和工作流程。
Caffe
Caffe 以构建、开发深度学习应用程序而闻名。
这些应用程序允许用户在不需要编写任何代码或具备编码知识的情况下使用神经网络。
Caffe 支持 Windows 和 Mac OS x 等操作系统，还部分支持多 GPU 训练。
Theano
Theano 是一个专门为深度学习设计的 Python 库。它帮助用户定义和计算数学表达式，包括多维数组。
Theano 的特性包括与 NumPy 的集成、符号微分(symbolic differentiation)和动态 C 代码生成。它还可以与其他库(如Keras和Blocks)一起使用，并支持 Mac OS X 和 Linux 等平台。
虽然已经停止更新，但 Theano 的很多特性都在现有的其他框架里被继承了下来，了解一下不会吃亏。
TensorFlow
TensorFlow 是由 Google 开发的开源库，它是目前为止最受欢迎且维护良好的深度学习库之一。
用户可以通过使用流程图和名为 TensorBoard 的服务在 TensorFlow 上创建神经网络和计算模型，该服务提供简单的可视化。
TensorFlow 有 Python 和 C ++ 两种版本。它可以轻松部署在不同类型的设备上。
Torch
Torch 是另一款非常容易使用的开源框架。
Torch 提供了 N 维数组、线性代数程序(routine)、高效的 GPU 支持以及用于切片和传输的程序。Torch 还提供了多个模型模板。
它基于Lua脚本，支持 Android、Windows、iOS 和 Mac OS X 等平台。
Accord.NET
正如你已经从其名称中已经意识到的那样，该框架主要是为.NET框架构建的。 它不仅仅是一个机器学习框架，而是为.NET中开发的任何内容提供统计信息，计算机视觉和图像处理方法。 因此，它可以在Windows，macOS，Linux，android和iOS上运行。
Accord.NET优于此列表中提到的许多其他框架，这是它具有对语音识别，面部识别和图像识别的内置实时支持。 因此，如果你真正从各个角度学习了该框架，则可以将其用于所需的任何类型的任务以及任何类型的应用程序。
使用Accord.NET已经出版了大量学术出版物，并且背后有大量的用户社区。
<（..）是国内知名商城系统及商城网站建设提供商，为企业级商家提供零售商城、B2B2C多用户商城系统、社区团购商城系统、微信分销系统、小程序商城、微分销系统等多端商城网站建设解决方案>
申明：本网站部分文章和图片来源网络编辑，如有侵权及时沟通删除，来客电商原创文章，转载请注明来源。