人工知能と機械学習モデル向けのオープンソースフレームワークトップ5

[[253697]]

[51CTO.com クイック翻訳] 過去 10 年間の人工知能の急速な成長により、現在の市場では人工知能と機械学習のスキルに対する大きな需要が刺激されています。機械学習に基づくイノベーションは現在、金融からヘルスケアまで、ほぼすべての業界に適用されています。この記事では、人工知能と機械学習モデルのための 5 つのツールとそれぞれのフレームワークに焦点を当てます。各ツールまたはフレームワークには、簡単な説明と機能の紹介が付いています。

1. GoogleのTensorFlow

TensorFlow は、もともと Google Brain チームの研究者によって開発されたオープンソースのプログラミング ライブラリです。 TensorFlow は、データフロー グラフやチャートの数値計算に使用されます。グラフ内のノードは数値タスクと通信し、グラフのエッジはそれらの間で渡される情報の多次元配列 (テンソル) と通信します。この適応型設計により、単一の API を使用して、ワークスペース、サーバー、または電話内の少なくとも 1 つの CPU または GPU に計算を展開できます。

TensorFlow はさまざまな API を提供します。最も基本的な API: TensorFlow Core は包括的なプログラミング制御を提供します。より大きな API は TensorFlow Core に基づいており、通常は TensorFlow Core よりも学習や使用が難しくありません。さらに、より高レベルの API により、冗長タスクの要求が軽減され、クライアント間での信頼性が向上します。

リンク: https://www.tensorflow.org/

2. Caffe: 表現力、速度、モジュール性を重視したディープラーニング フレームワーク。

Caffe は、コンピューター ビジョン関連のタスクのための強力でよく知られた意思決定ツールです。Caffe Model Zoo から、Caffe の顧客が作成した多くの効率的なモデルをダウンロードして、直接使用することができます。これはもともと、カリフォルニア大学バークレー校の博士課程在学中に Yangqing Jia 氏によって開発され、後にバークレー AI 研究センター (BAIR) とネットワーク スポンサーによって推進されました。基本的には、コンピューター ビジョン用の畳み込みシステムを中心にしています。

リンク: http://caffe.berkeleyvision.org/

3.Torch: オープンソースの機械学習ライブラリ、ロジック処理フレームワーク、および Lua プログラミング言語に基づくスクリプト言語。

Torch は、ディープラーニング向けの幅広いアルゴリズムを提供します。スクリプト言語 LuaJIT と基本的な C/CUDA を使用します。適応性の高い N 次元配列またはテンソルを提供し、インデックス作成、スライス、転置、型キャスト、サイズ変更、共有ストレージ、およびクローン作成の基本ルーチンをサポートします。このツールは、iOS、Windows、Mac OS X、Linux、Android などの主要なプラットフォームもサポートしています。

Torch は、Facebook AI 研究組織のような大規模なコンソーシアムによって使用されています。 Android と iOS ではすでに利用可能です。これは、ニューラル システムなどのデータ フローのハードウェア実装の構築に使用されてきました。 Facebook は、一連の拡張モジュールをオープンソース プログラミングとしてリリースしました。

PyTorch は、自然言語処理など、Python で書かれたアプリケーションで広く使用されているオープンソースの機械学習ライブラリです。これは主に FaceBook の AI 研究組織によって作成され、確率的プログラミングのための Uber の Pyro プログラミング技術はこれに基づいています。

リンク: http://torch.ch/

4. Neuroph: Java で書かれたオブジェクト指向ニューラル ネットワーク フレームワーク。

Neuroph は、Java プログラムで記述されたニューラル システムをトレーニングおよび作成するために使用できます。 Java クラス ライブラリを提供し、ニューラル システムの作成と準備のための easyNeurons と呼ばれる GUI ツールも提供します。 Neuroph は、基本的なニューラル システム モデルを作成するための軽量の Java ニューラル システムおよびフレームワークです。これには、基本的な NN 概念に関連するいくつかの基本クラスを含む、完全に計画されたオープン ソース Java ライブラリが含まれています。また、Java ニューラル ネットワーク セグメントをすばやく作成するための優れた GUI ニューラル ネットワーク編集ツールも備えています。 Apache 2.0 ライセンスの下でオープンソースとしてリリースされています。

Neuroph の中心クラスは、人工ニューロン、ニューロン層、ニューロンの関連付け、重み、スイッチングジョブ、入力ジョブ、学習ガイドなどの基本的なニューラル システムの概念に対応しています。 Neuroph は、バックプロパゲーションを備えた多層パーセプトロン、Kohonen システム、Hopfield システムなどの基本的なニューラル ネットワーク アーキテクチャをサポートします。これらの各クラスを拡張および再加工して、カスタム ニューラル システムを構築し、学習ルールをカスタマイズできます。 Neuroph は画像認識を支援することに専念しています。

リンク: http://neuroph.sourceforge.net/

5. Deeplearning4j (DL4J): Java と Scala 向けに構築された、主要な商用グレードのオープンソース分散型ディープラーニング ライブラリと言われています。

Deeplearning4j (DL4J) は Hadoop および Spark と統合されます。 DL4J は、分散 GPU および CPU 上の商用環境で実行できるように設計されています。 Deeplearning4j の利点は次のとおりです。

• Deeplearning4j は、設計ではなく構成の伝統に重点を置くことで最前線に立つことを目指しており、これにより研究者以外の人でも迅速なプロトタイピングが可能になります。
• 大規模にカスタマイズできます。
• DL4J は、Keras を介して TensorFlow、Caffe、Theano などのほとんどの実用的なシステムからニューラル ネットワーク モデルをインポートできるため、Python エコシステムと JVM、データ サイエンティスト、DevOps 間のギャップを克服できます。 Keras は Deeplearning4j の Python API として使用されます。

リンク: https://deeplearning4j.org/

この記事で分析したライブラリのいくつかは、非常に効率的で、最終的には高い水準を備えています。 Facebook、Google、Yahoo、Apple、Microsoft などの大企業は、ディープラーニングや機械学習の取り組みにこれらのライブラリを使用しています。あなたも同じことをしてみてはいかがでしょうか。他にも定期的に使用しているライブラリを思いつきますか? お気軽にコメントを残してください。

原題: 人工知能と機械学習モデルのための 5 つのオープンソース フレームワーク、著者: Rashmi Inglekh

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]