10 parimat avatud lähtekoodiga tehisintellekti tööriista Linuxile

Selles postituses käsitleme mõningaid Linuxi ökosüsteemi jaoks mõeldud parimaid avatud lähtekoodiga tehisintellekti (AI) tööriistu. Praegu on tehisintellekt üks teaduse ja tehnoloogia alasid, mis on pidevalt arenenud, keskendudes peamiselt tarkvara ja riistvara ehitamisele, et lahendada igapäevaelu probleeme sellistes valdkondades nagu tervishoid, haridus, turvalisus, tootmine, pangandus ja palju muud.

Allpool on loetelu paljudest tehisintellekti toetamiseks loodud ja arendatud platvormidest, mida saate kasutada Linuxis ja võib-olla ka paljudes muudes opsüsteemides. Pidage meeles, et see loend ei ole paigutatud konkreetses huvipakkuvas järjekorras.

1. Sügav õppimine Java jaoks (Deeplearning4j)

Deeplearning4j on kommertsklass, avatud lähtekoodiga, plug and play, hajutatud süvaõppe kogu Java ja Scala programmeerimiskeeltele. See on loodud spetsiaalselt ettevõtlusega seotud rakenduste jaoks ning integreeritud Hadoopi ja Sparkiga jaotatud protsessorite ja GPU-de peale.

DL4J on välja antud Apache 2.0 litsentsi alusel ja pakub GPU tuge AWS-i skaleerimiseks ning on kohandatud mikroteenuste arhitektuuriks.

Külasta kodulehte: http://deeplearning4j.org/

2. Caffe - sügava õppe raamistik

Caffe on modulaarne ja väljendusrikas kiirusel põhinev süvaõppe raamistik. See antakse välja BSD 2-klauslise litsentsi alusel ja see toetab juba mitmeid kogukonnaprojekte sellistes valdkondades nagu teadusuuringud, käivitamise prototüübid, tööstusrakendused sellistes valdkondades nagu visioon, kõne ja multimeedia.

Külasta kodulehte: http://caffe.berkeleyvision.org/

3. H20 - hajutatud masinõppe raamistik

H20 on avatud lähtekoodiga, kiire, skaleeritav ja hajutatud masinõppe raamistik, pluss raamistikule varustatud algoritmide valik. See toetab nutikamat rakendust, nagu sügav õppimine, gradientide suurendamine, juhuslikud metsad, üldistatud lineaarne modelleerimine (st logistiline regressioon, elastne võrk) ja palju muud.

See on ärile suunatud tehisintellekti tööriist andmete põhjal otsuste tegemiseks, see võimaldab kasutajatel kiiremini ja paremini ennustava modelleerimise abil oma andmetest ülevaate saada.

Külasta kodulehte: http://www.h2o.ai/

4. MLlib - masinõppe raamatukogu

MLlib on avatud lähtekoodiga, hõlpsasti kasutatav ja suure jõudlusega masinõppekogu, mis on välja töötatud Apache Sparki osana. Seda on sisuliselt lihtne juurutada ja seda saab kasutada olemasolevate Hadoopi klastrite ja andmetega.

MLlib sisaldab ka klassifitseerimise, regressiooni, soovituste, klastrite, ellujäämisanalüüside ja palju muud algoritmide kogumit. Oluline on see, et seda saab kasutada Pythoni, Java, Scala ja R programmeerimiskeeles.

Külasta kodulehte: https://spark.apache.org/mllib/

5. Apache Mahout

Mahout on avatud lähtekoodiga raamistik, mis on loodud skaalautuvate masinõpperakenduste loomiseks. Sellel on kolm allpool loetletud olulist funktsiooni:

  1. Pakub lihtsat ja laiendatavat töökohta programmeerimiseks
  2. Pakub erinevaid pakendatud algoritme nii Scala + Apache Spark, H20 kui ka Apache Flink jaoks
  3. Sisaldab R-kujulise süntaksiga matemaatika vektorkatse töökohta Samaras

Külasta kodulehte: http://mahout.apache.org/

6. Avatud närvivõrkude raamatukogu (OpenNN)

OpenNN on ka sügava õppimise jaoks C ++ -s kirjutatud avatud lähtekoodiga klassikogu, seda kasutatakse närvivõrkude tekitamiseks. Kuid see on optimaalne ainult kogenud C ++ programmeerijatele ja tohutute masinõppeoskustega inimestele. Seda iseloomustab sügav arhitektuur ja kõrge jõudlus.

Külasta kodulehte: http://www.opennn.net/

7. Oryx 2

Oryx 2 on algse Oryxi projekti jätk, see on välja töötatud Apache Sparkil ja Apache Kafkal lambda arhitektuuri ümberarhitektina, ehkki pühendatud reaalajas masinõppe saavutamisele.

See on platvorm rakenduste arendamiseks ja tarnitakse koos teatud rakendustega, samuti filtreerimise, klassifitseerimise, regressiooni ja klastrite koostööl.

Külasta kodulehte: http://oryx.io/

8. OpenCyc

OpenCyc on avatud lähtekoodiga portaal maailma suurima ja põhjalikuma üldteadmiste baasi ja mõistliku arutlusmootori juurde. See sisaldab suurt hulka Cyci termineid, mis on paigutatud täpselt välja töötatud onoloogias kasutamiseks järgmistes valdkondades:

  1. Rikkalik domeeni modelleerimine
  2. Valdkonnaspetsiifilised ekspertsüsteemid
  3. teksti mõistmine
  4. Semantiliste andmete integreerimine, tehisintellekti mängud ja palju muud.

Külastage kodulehte: http://www.cyc.com/platform/opencyc/

9. Apache SystemML

SystemML on avatud lähtekoodiga tehisintellekti platvorm masinaõppeks, mis on ideaalne suurandmete jaoks. Selle peamised omadused on - töötab R- ja Pythoni-laadse süntaksiga, mis on keskendunud suurandmetele ja mõeldud spetsiaalselt kõrgetasemelise matemaatika jaoks. Kuidas see toimib, on avalehel hästi selgitatud, sealhulgas selgeks illustreerimiseks mõeldud videodemonstratsioon.

Selle kasutamiseks on mitu võimalust, sealhulgas Apache Spark, Apache Hadoop, Jupyter ja Apache Zeppelin. Mõned selle märkimisväärsed kasutusjuhtumid hõlmavad autosid, lennujaamaliiklust ja sotsiaalpangandust.

Külasta kodulehte: http://systemml.apache.org/

10. NuPIC

NuPIC on avatud lähtekoodiga raamistik masinõppeks, mis põhineb neokorteksiteoorial Heirarchical Temporary Memory (HTM). NuPIC-i integreeritud HTM-programm on rakendatud reaalajas voogesituse andmete analüüsimiseks, kus see õpib andmetes esinevaid ajapõhiseid mustreid, ennustab peatseid väärtusi ja paljastab kõik ebakorrapärasused.

Selle märkimisväärsete funktsioonide hulka kuuluvad:

  1. Pidev veebipõhine õppimine
  2. Ajalised ja ruumilised mustrid
  3. reaalajas voogesituse andmed
  4. Ennustamine ja modelleerimine
  5. Võimas anomaaliate tuvastamine
  6. Hierarhiline ajaline mälu

Külasta kodulehte: http://numenta.org/

Tehisintellekti kasvava ja pidevalt areneva teadustöö tulemusel on meil kindlasti tunnistajaks uute tööriistade tekkimisele, mis aitavad sellel tehnoloogiavaldkonnas edu saavutada, eriti igapäevaste teaduslike väljakutsete lahendamisel koos hariduseesmärkidega.

Kas olete huvitatud tehisintellektist, mis on teie arvamus? Pakkuge meile oma mõtteid, ettepanekuid või tootlikku tagasisidet teema kohta alloleva kommentaaride jaotise kaudu ja meil on hea meel teada saada rohkem teie kohta.