编辑:西和西 校对排版:bin~bin
1.Apache Spark MLlib
Apache Spark算得上是Hadoop大家族中一名众所周知的成员了,但这套存储器数据处理框架在诞生之初却与Hadoop并无关系,它完全依靠着自身出色的特性在Hadoop生态系统的庇护之外闯出了属于自己的一片天地。Spark目前已经成为一款实时可用的机器学习工具,这主要归功于其能高速地将算法库应用至存储器内的数据当中。
目前Spark的发展并没有停滞不前,其中的可用算法在持续增加与改进。近年发布的1.5版本增加了众多新算法,并对现有的算法进行了针对性的改进,在MLlib中进一步支持Python。最新的1.6版本进一步通过持续流程来暂停与恢复了MLlib中的Spark ML任务。
2. Apache Singa
Singa提供一套简单的编程模式,通过一整套设备集群来训练深度学习网络,同时支持各种常见模型,如卷积神经网络( convolutional neural networks )、受限玻尔兹曼机( restricted Boltzmann machines )与递归神经网络( recurrent neural networks )。各模型能够进行同步(串行)或者异步(并行)训练,具体取决于实际问题的需求。Singa还利用 Apache Zookeeper 对集群设置进行了简化。
这套“深层学习”框架能够支持多种高强度机器学习功能,包括自然语言处理与图像识别。Singa开源框架致力于降低大规模数据的深层学习模型训练难度,被纳入Apache孵化器项目。
3. Caffe
Caffe诞生于2013年,主要用于机器视觉项目。它是一套“立足于表达、速度与模块化”的深层学习框架。Caffe自出现后就一直将语音与多媒体等多种其他应用逐渐融入自身。
由于优先考虑速度需求,因此Caffe全部由C++编写而成,同时支持CUDA加速机制。它还能够根据需要,在CPU与GPU处理流程间来回切换。其发行版中包含一系列免费与开源参考模型,主要面向各类常见的典型任务。目前Caffe用户社区也正在积极开发其他模型。
4. Microsoft Azure ML Studio
根据机器学习任务的实际数据规模与计算性能需求,云空间往往是机器学习应用的一大理想运行环境。微软公司已经立足于Azure发布了其按需计费机器学习服务,即Azure ML Studio,其能够提供按月、按小时以及免费等各类版本。Azure ML Studio允许用户创建并训练各类模型,而后将其转化为能够由其他服务消费的API。每个用户账户能够为模型数据提供最高10GB存储容量,用户也可以将自己的Azure存储资源连接至服务当中以承载规模更大的模型。目前可用算法已经相当可观,其分别由微软自身以及其他第三方所提供。大家甚至不需要账户即可体验这项服务,用户可以匿名登录并最多使用8小时Azure ML Studio。
-------------------------------------------------
关注“哇特机器人”微信公众号,
了解更多相关资讯,
共同发现好用的机器人!
联系客服