10 個頂尖的 Linux 開源人工智慧工具

在這篇文章中，我們將介紹幾個頂級的開源 Linux 生態系統的人工智慧（AI）工具。目前，AI 是科學和技術中不斷進步的領域之一，很多人都在致力於構建軟體和硬體來解決諸如醫療，教育，安全，製造業，銀行等領域的日常挑戰。

下面是一系列旨在並開發成用於支持 AI 的平臺，允許你用在 Linux 或可能許多其它的作業系統上。名單排列順序沒有意義。

1.Deep Learning For Java（Deeplearning4j）
Deeplearning4j 是 Java 和 Scala 程式語言的，商業級的，開放源碼的，即插即用，分布式的深度學習庫。它專為企業相關的應用程式而設計，並在分布式 CPU 和 GPU 的基礎上繼承了 Hadoop 和 Spark。DL4J 在 Apache 2.0 許可證下發布，提供 GPU 支持 AWS，並適用於微服務架構。

官方網站：http://deeplearning4j.org/

Caffe 是一個基於速度的模塊化和富有表現力的深度學習框架。它在 BSD 2-Clause 許可下發布，並且已經在諸如研究，啟動原型，以及視覺、語音及多媒體等工業應用領域支持了若干社區項目。官方網站：http://caffe.berkeleyvision.org/H20 是一個開源的，快速的，可擴展和分布式的機器學習框架，還有框架配備的算法。它支持更智能的應用程式，如深度學習，梯度 boosting，隨機森林，廣義線性模型（即邏輯回歸，彈性網絡）等等。這是一個面向業務用於決策數據的人工智慧工具，它能夠讓用戶使用更快更好的預測模型來繪製來自於他們對數據的見解。MLlib是一個開源的，易於使用和高性能的機器學習庫，作為Apache Soark的一部分而開發。本質上它易於部署，並且可以在現有的 Hadoop 群集和數據上運行。MLlib 還附帶分類、回歸、推薦、聚類、生存分析等等的算法集合。重要的是，它可以用於 Python、Java、Scala 和 R 程式語言。官方網站：https://spark.apache.org/mllib/Mahout 是一個開源框架，設計用於構建可拓展的機器學習應用程式，它有以下三個顯著的特點：提供 Scala+ Apache Spark，H20 以及 Apache Flik 的各種預包裝算法

包括 Samaras，矢量數學實驗帶有 R 之類語法的工作場所

官方網站：http://mahout.apache.org/6.Open Neural Networks Library（OpenNN）OpenNN 也是一個用 C ++ 編寫的用於深度學習的開源類庫，用於煽動神經網絡。然而，它只是有經驗的 C ++ 程式設計師和有極高機器學習技能人員的最佳選擇。它側重於深度架構和高性能。官方網站：http://www.opennn.net/Oryx 2 是初始 Oryx 項目的延續，是在 Apache Spark 和 Apache Kafka 的基礎上作為 lambda 架構的重新架構而開發的，雖然專用於實現實時機器學習。它是一個應用程式開發和附帶某些應用程式用於協同過濾、分類、回歸和集群用途的平臺。OpenCyc 是一個開源門戶，面向最大和最全面的通用知識基礎和常識推理引擎。它包括大量 Cyc 術語，用一種精確設計的方式排列，在針對應用程式諸如這樣的領域：官方網站：http://www.cyc.com/platform/opencyc/
SystemML 是用於機器學習非常適合大數據的開源人工智慧平臺。其主要特點是——運行在 R 和 Python 這樣的語法上，專注於大數據並專門針對高層次數學而設計。它是如何工作的在主頁上有很好的解釋，其中包括明確說明的視頻演示。有幾種方法來使用它，包括 Apache Spark、Apache Hadoop、Jupyter 和 Apache Zeppelin。一些顯著用途包括汽車，機場交通和社會銀行業。官方網站：http://systemml.apache.org/NuPIC 是一個開源框架，用於機器學習的開源框架，基於 Heirarchical Temporary Memory (HTM)，一個新皮層理論。集成了 NuPIC的HTM 程序可實施分析實時的流數據，並且它在那裡可學習到現有數據的基於時間的模式，預測即將值以及揭示任何不規則性行為。

隨著對 AI 研究的提升和不斷進步，我們必將見證更多工具的湧現，它們幫助這一技術領域取得成功，特別是對於解決日常的科學挑戰以及用於教育目的。

（稿源： 碼農網）