随着AI技术的飞速发展，各种理论和实践层出不穷。从我们的沟通方式到交通方式，它正在迅速改变着我们生活的几乎每个领域。作为开发人员或学习者，在开始构建机器学习应用程序之前，选择众多开源项目之一应该是一项艰巨的任务。学习型开发人员指明了方向。 1. TensorflowTensorFlow是Google创建的旨在支持其研究和生产目标的项目。它于2015年发布。它是一个开源的机器学习框架，易于在各种平台上使用和部署。它是机器学习中维护最好且使用最广泛的框架之一，并且已被许多公司广泛使用，包括Dropbox，eBay，Intel，Twitter和Uber。 TensorFlow可用于Python，C ++，Haskell，Java，Go，Rust和JavaScript，以及用于其他编程语言的第三方软件包。该框架允许开发人员使用流程图来开发诸如神经网络之类的计算模型。 2. KerasKeras是最初于2015年发布的开源机器学习库，用于简化深度学习模型的创建。它是用Python编写的，可以部署在其他人工智能技术上，例如TensorFlow，Microsoft CogniTIve Toolkit（CNTK）和Theano。 Keras以其用户友好性，模块化和易扩展性而闻名。它可以实现简单快速的原型制作，支持卷积网络和循环网络，并且可以在CPU和GPU上最佳运行。 3. Scikit-learn最初发布于2007年，Scikit-learn是为机器学习开发的开源库。这个传统的框架是用Python编写的。它是基于其他三个开源项目Matplotlib，NumPy和SciPy设计的，专注于数据挖掘和数据分析，它包括几个机器学习模型，包括分类，回归，聚类和降维。 4. Microsoft CogniTIve工具包Microsoft CogniTIve工具包最初于2016年发布，以前称为CNTK。这是一个AI解决方案，可让您将机器学习项目提高到一个新的水平。微软表示，开源框架可以“训练深度学习算法来像人脑一样工作”。 Microsoft CogniTIve工具包的一些重要功能包括高度优化的组件，这些组件可以处理来自Python，C ++或BrainScript的数据，提供有效的资源利用，轻松与Microsoft Azure集成以及与NumPy互操作。 5. TheanoTheano最初于2007年发布。它是一个开放源代码Python库，允许开发人员轻松构建各种机器学习模型。由于它是最早的AI库之一，因此被视为促进深度学习发展的行业标准。 Theano的功能是它可以简化定义，优化和评估数学表达式的过程。它可以将您的数据结构转换为与本机库（例如NumPy，BLAS和本机代码）集成的非常高效的代码。此外，它针对GPU进行了优化，并具有广泛的代码测试功能。 6. Caffe（用于快速特征嵌入的卷积体系结构）最初于2017年发布，是一个专注于表达性，速度和模块化的机器学习框架。该框架是用C ++编写的，并带有Python接口。 Caffe的主要功能包括可激发创新的表达性架构，可促进积极发展的各种代码，可加速行业部署的快速性能以及可促进增长的充满活力的社区。 7. TorchTorch最初于2002年发布。它是一个机器学习库，提供了广泛的深度学习算法。在处理机器学习项目时，该框架为开发人员提供了优化的灵活性和速度。它是用脚本语言Lua编写的，并带有一个低级C实现。 Torch的一些主要功能包括N维数组，线性代数例程，数值优化例程，高效的GPU支持以及对iOS和Android平台的支持。 8. Accord.NET Accord.NET最初于2010年发布，是一个完全用C＃编写的机器学习框架。该框架适用于生产级科学计算。利用其丰富的库，开发人员可以在人工神经网络，统计数据处理和图像处理等领域中构建各种应用程序。