在本文中，我們將討論一些用于Web開發(fā)的主要機(jī)器學(xué)習(xí)框架，例如TensorFlow和Caffe。

目前，機(jī)器學(xué)習(xí)是軟件開發(fā)中最熱門的趨勢之一。許多分析師甚至認(rèn)為，機(jī)器學(xué)習(xí)將徹底改變幾個程序的Web開發(fā)過程，包括Web和移動應(yīng)用程序。

[[243772]]

以下幾點清楚地表明了機(jī)器學(xué)習(xí)對Web開發(fā)的強(qiáng)大影響：

• 傳統(tǒng)數(shù)據(jù)挖掘的良好替代品
• 消除安全威脅
• 機(jī)器學(xué)習(xí)API的庫存
• 加速產(chǎn)品發(fā)現(xiàn)
• 制作定制的內(nèi)容和信息
• 了解客戶行為

機(jī)器學(xué)習(xí)使用一些算法使計算機(jī)無需明確編程即可學(xué)習(xí)。它是最好的數(shù)據(jù)分析方法，可自動創(chuàng)建分析模型。這就是機(jī)器學(xué)習(xí)框架在Web開發(fā)中發(fā)揮重要作用的原因。

在本文中，我們將討論一些用于Web開發(fā)的主要機(jī)器學(xué)習(xí)框架。清單如下：

五大機(jī)器學(xué)習(xí)框架

1. Microsoft Cognitive Toolkit

用：Python和C ++編寫

這是Microsoft開源的深度學(xué)習(xí)工具包，用于訓(xùn)練算法以像人腦一樣學(xué)習(xí)。通過使用此工具，您可以使用各種機(jī)器學(xué)習(xí)模型，如卷積神經(jīng)網(wǎng)絡(luò)、前饋DNN和循環(huán)神經(jīng)網(wǎng)絡(luò)。

毫無疑問，該工具旨在使用神經(jīng)網(wǎng)絡(luò)來瀏覽大型非結(jié)構(gòu)化數(shù)據(jù)集。通過更快的訓(xùn)練時間和易于使用的架構(gòu)，它可高度自定義，允許您選擇自己的參數(shù)、網(wǎng)絡(luò)和算法。特別感謝它對多機(jī)多GPU后端的支持，它可以輕松超越許多競爭對手。

點擊試：https://docs.microsoft.com/en-us/cognitive-toolkit/Setup-CNTK-on-your-machine

2. TensorFlow

用：Python、Java和Go編寫

它是Java開發(fā)中最流行的機(jī)器學(xué)習(xí)框架之一。它是一個開源庫，使用數(shù)據(jù)流圖進(jìn)行數(shù)值計算。毫無疑問，TensorFlow是GitHub上分岔最多的機(jī)器學(xué)習(xí)項目，也是納稅人參與人數(shù)最多的項目。

TensorFlow的靈活架構(gòu)使用戶可以輕松地使用單個API在一個或多個GPU或CPU上實現(xiàn)計算，無論是臺式計算機(jī)、服務(wù)器還是移動電話。

圖中的節(jié)點表示數(shù)學(xué)運算，而圖的邊表示在它們之間傳遞的多維數(shù)據(jù)集(張量)。

在這里試試：https://www.tensorflow.org

3. Apache Mahout

用：Java和Scala編寫

它是Apache提供的另一個最受歡迎的開源產(chǎn)品，主要面向統(tǒng)計學(xué)家、數(shù)據(jù)科學(xué)家和數(shù)學(xué)家，因此他們可以快速執(zhí)行自己的算法。此外，它是一個分布式線性代數(shù)框架，用于創(chuàng)建具有可擴(kuò)展性能的機(jī)器學(xué)習(xí)應(yīng)用程序。 Mahout主要關(guān)注協(xié)作分組、過濾和分類。

此外，它使您能夠在實際在大數(shù)據(jù)平臺上運行的交互式環(huán)境中開發(fā)自己的數(shù)學(xué)計算，然后將完全相同的代碼移動到您的應(yīng)用程序中并實現(xiàn)。

Mahout Samsara還提供分布式線性代數(shù)和統(tǒng)計引擎，它們正在運行，并與交互式shell和庫一起分發(fā)，以鏈接到生產(chǎn)中的應(yīng)用程序。它通常使用map / reduce范例爬上Apache Hadoop平臺，但這并不限制對基于Hadoop的其他實現(xiàn)的貢獻(xiàn)。

在這里試試：https://github.com/apache/mahout

4. Caffe

[[243776]]

用：C ++和Python編寫

它是Java開發(fā)的深度學(xué)習(xí)框架，尤其適用于速度、表達(dá)式和模塊化。它由Berkley AI研究團(tuán)隊開發(fā)。富有表現(xiàn)力的架構(gòu)鼓勵個性化應(yīng)用和創(chuàng)新。

此外，配置選項允許用戶通過配置單個指示器在GPU和CPU之間切換。Caffe的可擴(kuò)展代碼幫助推動了它的早期發(fā)展，使其成為另一個非常成功的GitHub機(jī)器學(xué)習(xí)項目。

Caffe的速度使其對研究機(jī)構(gòu)和工業(yè)實施具有價值。它是利用卷積神經(jīng)網(wǎng)絡(luò)為圖像分類/計算機(jī)視覺開發(fā)的。它還提供了Model Zoo，它是一組預(yù)先訓(xùn)練的模型，不需要任何編碼即可實現(xiàn)。

無論如何，應(yīng)該指出的是，Caffe最適合用于應(yīng)用程序的構(gòu)建，而不是專門用于除人工視覺之外的任何其他應(yīng)用。

試試吧：http://caffe.berkeleyvision.org

5. Apache Singa

用：C ++，Python和Java編寫

Apache Singa是一個可擴(kuò)展且靈活的深度學(xué)習(xí)平臺，用于大數(shù)據(jù)分析。它由新加坡國立大學(xué)的團(tuán)隊開發(fā)。該機(jī)器學(xué)習(xí)框架為大量數(shù)據(jù)中的可擴(kuò)展分布式訓(xùn)練提供了靈活的架構(gòu)。

可擴(kuò)展以在各種硬件上運行。主要應(yīng)用是自然語言處理(NLP)和圖像識別。

目前，Apache孵化器項目提供了一種可以在一組節(jié)點中工作的簡單編程模型。深度分布式學(xué)習(xí)在訓(xùn)練過程中使用模型共享和并行化。

但是，Singa支持傳統(tǒng)的機(jī)器學(xué)習(xí)模型，如邏輯回歸。

在這里試試：

Docker(https://hub.docker.com/r/nusdbsystem/singa/)或AWS(https://aws.amazon.com/marketplace/pp/B01NAUAWZW)

結(jié)論

所以我們已經(jīng)看到了一些用于Java開發(fā)的頂級機(jī)器學(xué)習(xí)框架。實際上，使用機(jī)器學(xué)習(xí)進(jìn)行Web開發(fā)將使IT世界發(fā)生革命性變化。但是，各種流行的機(jī)器學(xué)習(xí)框架和庫都是由Python編寫或主要支持的，包括Keras、Theano、TensorFlow和較小的項目，如Microsoft Azure Studio、sci-kit learn、Veles、Chainer和Neon。

如果您想要使用其中一個機(jī)器學(xué)習(xí)框架開發(fā)下一個項目，那么現(xiàn)在是時候開始了。您還可以從可靠的Web開發(fā)公司雇用熟練的ML Web開發(fā)人員。