五个python编写的开源机器学习算法

深度学习五个python编写的开源机器学习算法1Scikit-Learngithub地址: https://github.com/scikit-learn/scikit-learn
  Scikit-Learn是建立在SciPy之上用于机器学习的Python 模块。DavidCournapeau 于2007年创立,曾名为Google Summer of Code。
主要特点:1、操作简单、高效的数据挖掘和数据分析  2、无访问限制,在任何情况下可重新使用  3、建立在NumPy、SciPy 和 matplotlib基础上 4、使用商业开源协议——BSD许可证
scikit-learn的基本功能主要被分为六个部分,分类,回归,聚类,数据降维,模型选择,数据预处理,具体可以参考官方网站上的文档。官网链接:http://scikit-learn.org/dev2Kerasgithub地址:https://github.com/fchollet/keras
Keras是极其精简并高度模块化的神经网络库,在TensorFlow 或 Theano 上都能够运行,是一个高度模块化的神经网络库,支持GPU和CPU运算。Keras也持保存训练好的参数,然后加载已经训练好的参数,进行继续训练。
主要特点:1、同时支持卷积网络和递归网络,以及两者之间的组合;  2、支持任意连接方案(包括多输入多输出训练; 3、可在CPU 和 GPU 上无缝运行。 
Keras侧重于开发快速实验,用可能最少延迟实现从理念到结果的转变,即为做好一项研究的关键。官网链接:http://keras.io3Theanogithub地址:https://github.com/Theano/Theano
Theano是一个Python库,它允许使用者有效地定义、优化和评估涉及多维数组的数学表达式,同时支持GPUs和高效符号分化操作。
主要特点:1、与NumPy紧密相关–在Theano的编译功能中使用了Numpy.ndarray ;  2、高效符号分化–Theano将函数的导数分为一个或多个不同的输入; 3、速度和稳定性的优化–即使输入的x非常小也可以得到log(1+x)正确结果;4/ 广泛的单元测试和自我验证–多种错误类型的检测和判定。
Theano自2007年起一直致力于大型密集型科学计算研究,但它目前也很被广泛应用在课堂之上
4NuPICgithub地址:https://github.com/numenta/nupic
NuPIC是一个实现了HTM学习算法的机器智能平台。HTM是一个关于新(大脑)皮质(Neocortex)的详细人工智能算法。HTM的核心是基于时间的连续学习算法,该算法可以存储和调用时间和空间两种模式。
主要特点:1、NuPIC的运作接近于人脑,当模式变化的时候,它会忘掉旧模式,记忆新模式。;  2、算法可以存储和调用时间和空间两种模式;

NuPIC可以适用于解决各类问题,尤其是异常检测和流数据源预测方面。
5 Caffegithub地址:

https://github.com/BVLC/caffe


Caffe是面向视觉应用领域的机器学习库。你可能会用它来创建深度神经网络,识别图像中的实体,甚至可以识别一个视觉样式。
主要特点:1、上手快:模型与相应优化都是以文本形式而非代码形式给出。
Caffe给出了模型的定义、最优化设置以及预训练的权重,方便立即上手;2、速度快:能够运行最棒的模型与海量的数据。
Caffe与cuDNN结合使用,测试AlexNet模型,在K40上处理每张图片只需要1.17ms.;3、模块化:方便扩展到新的任务和设置上。

Caffe提供GPU训练的无缝集成,当你训练图像时极力推荐使用此库。虽然Caffe似乎主要是面向学术和研究的,但它对用于生产使用的训练模型同样有足够多的用途。python开发 树莓派学习社区(1)机器学习(2)树莓派   
(3)python   
(4)人工智能(5)创业和创新等好玩有趣的科技话题微信号:五个python编写的开源机器学习算法



欢迎投稿 职场/创业方向. 邮箱wangfzcom(AT)163.com:王夫子社区 » 五个python编写的开源机器学习算法

    标签:

点评 0

评论前必须登录!

登陆 注册