在过去的几年中，人工智能正在占领技术的许多领域。 来自不一样背景的开发人员最终意识到了AI为他们带来的机遇，而无论他们的需求如何。前端
在今天的文章中，咱们列出了7种最佳的开源AI /机器学习系统和框架。android
一、TensorFlow算法
TensorFlow多是世界上最著名的机器学习开源框架。它由Google开发，并为多种编程语言（例如Python，Javascript，C ++和Java）提供API。编程
它还支持移动操做系统（iOS和android，对于iOS，它支持Swift编程语言），所以你可使用它来构建移动应用，该应用利用即时机器学习来构建模型并根据现实世界的数据进行训练。网络
TensorFlow还具备许多其余功能，例如，它提供TensorFlow Extended（TFX）来帮助你在任何地方部署生产，可扩展的高性能管道，而TFDV能够帮助你大规模验证数据，TensorFlow Model Analysis可使机器可视化和分析学习你创建的模型。它确实是一个完整的框架，可是你知道有什么更好的吗？由于它所有开源，免费！架构
TensorFlow用Python编程语言编写，这就是为何你能够轻松地将其轻松安装在Windows，macOS和Linux发行版上的缘由。它还集成到Google Cloud中，所以你能够根据须要直接将其部署到生产中。框架
二、Scikit-learn机器学习
Scikit-learn是一个彻底用Python编写的机器学习框架。 它使你可使用已创建的模型对数据运行分类，回归，聚类和降维过程，同时支持有监督和无监督的学习方法。编程语言
Scikit-learn是仅Python的实现，所以尽管它对Java / Javascript框架的移植性不强，但仍能够在全部现代桌面操做系统上使用。分布式
Scikit-learn之因此不同凡响，是由于它提供了庞大的高质量文档，以及全部部分的一致API。 Scikit-learn也很是清楚你在处理它时可能须要使用哪一种估计器：
三、Torch
Torch是为LuaJIT编写的完整的科学计算环境，它是针对Lua语言的即时（JIT）编译器。 Torch不只是机器学习框架/库，仍是更大的科学计算环境，可是它提供的功能之一是对机器学习的支持。
若是你要使用Torch，那么你必须知道，你必定会使用真正的社区驱动的庞大库和附件之一； 从机器学习到并行处理以及经过可视化库传递……Torch中存在你在科学环境中所需的一切。
让Torch感到遗憾的是，它在5个月前就退出了积极的开发并进入了维护模式。 所以，尽管它具备功能性和所有功能，但你不该期望很快会有任何新的更新。
四、PyTorch
基于之前的Torch库，PyTorch是Python优先的机器学习框架，被大量用于深度学习。它支持CUDA技术（来自NVIDIA），能够在训练，分析和验证神经网络模型中充分利用专用GPU的功能。
PyTorch的使用很是普遍，而且正在积极地开发和支持。确实如此，由于尽管它是彻底免费和开源的，但它提供了大量有价值的功能；它支持分布式训练（使用各类对等计算机训练模型），具备C ++前端（意味着你能够在C ++应用程序和系统中使用PyTorch），支持集成到许多云合做伙伴（例如AWS，Google Cloud）和Microsoft Azure，并拥有大量的开发人员和科学家社区，所以不断为其提供模块和第三方社区附加组件。
它还提供了大量的学习资源，从在线课程到完整的API文档和快速指南，以及在线论坛和Slack渠道支持的传递……你始终能够在PyTorch社区中找到帮助。
五、Microsoft Cognitive工具包
另外一个深度学习库是Microsoft Cognitive Toolkit。 它能够与Python，C＃和C ++语言一块儿使用，而且仅适用于Windows和Linux发行版的64位版本。 它是根据MIT许可得到许可的。
CNTK与Torch和PyTorch同样，支持NVIDIA的CUDA技术。 它也与.NET标准兼容，所以可用于经过.NET框架（甚至在Linux上）编写跨平台应用程序。 它支持ONNX格式（这是神经网络的开源格式）。
六、Accord.NET
正如你已经从其名称中已经意识到的那样，该框架主要是为.NET框架构建的。 它不只仅是一个机器学习框架，而是为.NET中开发的任何内容提供统计信息，计算机视觉和图像处理方法。 所以，它能够在Windows，macOS，Linux，android和iOS上运行。
Accord.NET优于此列表中提到的许多其余框架，这是它具备对语音识别，面部识别和图像识别的内置实时支持。 所以，若是你真正从各个角度学习了该框架，则能够将其用于所需的任何类型的任务以及任何类型的应用程序。
使用Accord.NET已经出版了大量学术出版物，而且背后有大量的用户社区。
七、DatumBox
列表中的最后一项是彻底用Java编写的框架。DatumBox，正如其开发人员所描述的那样：
Datumbox机器学习框架是一个用Java编写的开源框架，它容许快速开发机器学习和统计应用程序。该框架的主要重点是包括大量的机器学习算法和统计方法，并可以处理大型数据集。
Datumbox开发
DatumBox的开发人员提供了一个在线高级API，该API利用DatumBox机器学习框架来完成各类预先构建的高级任务。若是你不想使用它，则能够简单地下载机器学习框架，构建模型并本身进行训练。
结论
所以，你在这篇文章中看到了有多少种出色的开源机器学习模型，它们在提供的质量和功能方面很是出色。 很难说必须使用专有的机器学习/ AI框架。
计算机视觉与语音识别的应用示例
Gravitylink推出钛灵AIX是一款集计算机视觉与智能语音交互两大核心功能为一体的人工智能硬件，Model Play是面向全球开发者的AI模型资源平台，内置多样化AI模型，与钛灵AIX结合。AIX支持TensorFlow等多种开发框架，Model Play则兼容多种AI开发硬件，好比带有Google Coral边缘计算芯片的开发板、以及英特尔神经计算加速棒等。