【51CTO.com快譯】機(jī)器學(xué)習(xí)是一個研究領(lǐng)域，讓機(jī)器無需直接編程就能學(xué)習(xí)。由于許多學(xué)生、教師、開發(fā)者和數(shù)據(jù)科學(xué)家使用機(jī)器學(xué)習(xí)來開發(fā)各種項目和產(chǎn)品，機(jī)器學(xué)習(xí)開發(fā)方興未艾。然而，開發(fā)機(jī)器學(xué)習(xí)模型對系統(tǒng)規(guī)格有很高的要求，因為有時模型訓(xùn)練過程可能需要2小時到2天甚至更久。因此，低端系統(tǒng)無力處理機(jī)器學(xué)習(xí)模型的訓(xùn)練;就算勉強(qiáng)可以訓(xùn)練模型，也很可能會出現(xiàn)嚴(yán)重的系統(tǒng)問題。

[[345808]]

然而有許多開源機(jī)器學(xué)習(xí)環(huán)境可用，它們對系統(tǒng)規(guī)格沒有任何要求，可使用云基礎(chǔ)架構(gòu)在最短的時間內(nèi)訓(xùn)練模型。以下是幾種高效和常用的在線機(jī)器學(xué)習(xí)環(huán)境：

1. Google Colaboratory

這是谷歌提供的一項易于訪問的云服務(wù)，用于開發(fā)產(chǎn)品和項目。它支持免費(fèi)的GPU，基于Jupyter Notebooks環(huán)境。它為所有人提供了一個論壇，以便使用廣泛使用的庫(比如PyTorch、TensorFlow和Keras)，構(gòu)建機(jī)器學(xué)習(xí)和深度學(xué)習(xí)應(yīng)用。它讓您的系統(tǒng)可以不必處理機(jī)器學(xué)習(xí)活動的全部工作量。它是同類中最成功的平臺之一。

• 內(nèi)存—12 GB至26.75 GB
• 磁盤空間—25 GB
• CPU核心—2個
• 支持的語言—Python

2. IBM Watson

IBM推出了支持開源解決方案的Watson數(shù)據(jù)平臺和數(shù)據(jù)科學(xué)體驗(DSX)。它終于推出了可自由選擇的多云平臺，以處理數(shù)據(jù)科學(xué)工作。這是借助通過Kubernetes實(shí)行容器化來實(shí)現(xiàn)的。因而，它可以分布在存儲數(shù)據(jù)的Docker或CloudFoundry容器中。

• 內(nèi)存—16GB
• 磁盤空間—90 GB
• CPU核心—4個
• 支持的語言—Apache Spark、Python、R和Scala

3. Kaggle Kernel

這是面向云端深度學(xué)習(xí)和機(jī)器學(xué)習(xí)應(yīng)用的出色平臺。 Kaggle和Colab有諸多相似之處，都是谷歌的產(chǎn)品。它在瀏覽器中支持Jupyter Notebooks。Jupyter Notebooks的許多鍵盤快捷方式與Kaggle幾乎相同。Kaggle擁有龐大的數(shù)據(jù)集，還有廣泛的社區(qū)致力于宣傳、學(xué)習(xí)和驗證數(shù)據(jù)科學(xué)技能。GPU和TPU的使用在Kaggle內(nèi)核中有一些方面的限制。

• 內(nèi)存—25GB
• 磁盤空間—155 GB
• CPU核心—1個
• 支持的語言—Python和R

4. Coclac

它是用于計算、研究、協(xié)作和編寫文檔的虛擬在線工作區(qū)。這包括使用各種科學(xué)語言，提供LaTeX、R/knitr或Markdown中的創(chuàng)作文本功能、基于Web的Linux控制臺、時間旅行功能以及聊天室和課程管理等網(wǎng)絡(luò)資源。然而，其大多數(shù)功能僅供付費(fèi)用戶使用。

• 內(nèi)存—16GB
• 磁盤空間—20 GB
• CPU核心—3個
• 支持的語言—Julia、Octave、Python、SageMath和R Statistics等

5. Microsoft Azure

微軟的Azure Notebooks在功能上與Colab相似，但以速度取勝，這方面比Colab好得多。Azure Notebooks是一系列鏈接筆記本，名為Libraries(庫)。這些庫還能存儲您的數(shù)據(jù)，假設(shè)每個數(shù)據(jù)文件都小于100MB。Azure Notebooks更適合基本應(yīng)用。Azure僅提供12個月的免費(fèi)服務(wù)。

• 內(nèi)存—可變
• 磁盤空間—可變
• CPU核心—可變
• 支持的語言—Python、R和F#

原文標(biāo)題：Top 5 Open-Source Online Machine Learning Environments，作者：Rituraj Saha

【51CTO譯稿，合作站點(diǎn)轉(zhuǎn)載請注明原文譯者和出處為51CTO.com】