作為機器學習開發(fā)人員，一定需要很多機器學習資源，包括可以在項目中使用的工具等。今天給大家介紹8種開源工具，用于機器學習，希望能幫您提高工作效率。

1. Gradio

Gradio有用于創(chuàng)建基于Web的UI的工具，讓用戶能與模型進行實時交互。它包括幾個示例項目，比如Inception V3圖像分類器的輸入接口、MNIST手寫識別模型等，幫助了解如何在自己的項目中使用Gradio。

2. Compose

Compose能解決機器學習模型中比較常見的標記原始數(shù)據(jù)的問題，可以用Python為數(shù)據(jù)，編寫一組標記功能，還能在數(shù)據(jù)上設(shè)置各種變換和閾值，簡化標記的過程。

3. Core ML Tools

Core ML Tools是Python包，集成了很多Python機器學習庫和工具，TensorFlow，PyTorch，Keras，ONNX，Scikit-learn等模型皆能轉(zhuǎn)換，它的神經(jīng)網(wǎng)絡(luò)模型還可以通過訓練后量化，而優(yōu)化大小。

4. GoLearn

GoLearn是針對Google Go語言的機器學習庫，它的可定制性更高，能夠在應用程序中輕松擴展某些數(shù)據(jù)結(jié)構(gòu)。此外它能在庫中加載和處理數(shù)據(jù)，并在SciPy和R之后進行了模式化。

5. Cortex

Cortex提供了簡便方法，使用Python和TensorFlow，PyTorch，Scikit-learn等模型，提供來自機器學習模型的預測服務。一般Cortex軟件包只有幾個文件，包括核心Python邏輯，描述要使用的模型，要分配的cortex.yaml文件，及用于安裝所需Python要求的require.txt文件。它的計算資源的分配方式與在Kubernetes中差不多，所以能用GPU或Amazon Inferentia ASIC加快服務速度。

6. Oryx

Oryx主要使用Apache Spark和Apache Kafka，在實時數(shù)據(jù)上運行機器學習模型。版本2.0對該項目進行了重新設(shè)計，它的組件以lambda架構(gòu)松散耦合，能隨時添加新算法和算法的新抽象。

7. Featuretools

Featuretools有通過綜合數(shù)據(jù)幀中的數(shù)據(jù)，而構(gòu)建的高級Python對象來執(zhí)行此操作的功能，可以針對從一個或多個數(shù)據(jù)幀中提取的數(shù)據(jù)執(zhí)行操作。它還有綜合操作所需的通用原語，使得用戶不用自己滾動原語，很方便省心。

8. Shogun

Shogun用C ++編寫，可以與Java，Python，C#，Ruby，R，Lua，Octave和Matlab一起使用。最新的主要版本6.0.0增加了對微軟Windows和Scala語言的本機支持，它聲稱比其他庫更快、更容易使用，這是它很大的優(yōu)點。