你應該了解的 6 個開源 AI 工具

在開源領域，不管你的想法是多少的新穎獨到，先去看一下別人是否已經做成了這個概念，總是一個很明智的做法。對於有興趣藉助不斷成長的 人工智慧 Artificial Intelligence （AI）的力量的組織和個人來說，許多優秀的工具不僅是自由開源的，而且在很多的情況下，它們都已經過測試和久經考驗的。

在領先的公司和非盈利組織中，AI 的優先順序都非常高，並且這些公司和組織都開源了很有價值的工具。下面的舉例是任何人都可以使用的自由開源的 AI 工具。

Acumos

Acumos AI 是一個平台和開源框架，使用它可以很容易地去構建、共享和分發 AI 應用。它規範了運行一個「開箱即用的」通用 AI 環境所需要的 基礎設施棧 infrastructure stack 和組件。這使得數據科學家和模型訓練者可以專註於它們的核心競爭力，而不用在無止境的定製、建模，以及訓練一個 AI 實現上浪費時間。

Acumos 是 LF 深度學習基金會 的一部分，它是 Linux 基金會中的一個組織，它支持在人工智慧、 機器學習 machine learning 、以及 深度學習 deep learning 方面的開源創新。它的目標是讓這些重大的新技術可用於開發者和數據科學家，包括那些在深度學習和 AI 上經驗有限的人。LF 深度學習基金會 最近批准了一個項目生命周期和貢獻流程，並且它現在正接受項目貢獻的建議。

Facebook 的框架

Facebook 開源了 其中心機器學習系統，它設計用於做一些大規模的人工智慧任務，以及一系列其它的 AI 技術。這個工具是經過他們公司驗證使用的平台的一部分。Facebook 也開源了一個叫 Caffe2 的深度學習和人工智慧的框架。

CaffeOnSpark

說到 Caffe。 Yahoo 也在開源許可證下發布了它自己的關鍵的 AI 軟體。CaffeOnSpark 工具 是基於深度學習的，它是人工智慧的一個分支，在幫助機器識別人類語言，或者照片、視頻的內容方面非常有用。同樣地，IBM 的機器學習程序 SystemML 可以通過 Apache 軟體基金會自由地共享和修改。

Google 的工具

Google 花費了幾年的時間開發了它自己的 TensorFlow 軟體框架，用於去支持它的 AI 軟體和其它預測和分析程序。TensorFlow 是你可能都已經在使用的一些 Google 工具背後的引擎，包括 Google Photos 和在 Google app 中使用的語言識別。

Google 開源了兩個 AIY 套件，它可以讓個人很容易地使用人工智慧，它們專註於計算機視覺和語音助理。這兩個套件將用到的所有組件封裝到一個盒子中。該套件目前在美國的 Target 中有售，並且它是基於開源的樹莓派平台的 —— 有越來越多的證據表明，在開源和 AI 交集中將發生非常多的事情。

H2O.ai

我 以前介紹過 H2O.ai，它在機器學習和人工智慧領域中佔有一席之地，因為它的主要工具是自由開源的。你可以獲取主要的 H2O 平台和 Sparkling Water，它與 Apache Spark 一起工作，只需要去 下載 它們即可。這些工具遵循 Apache 2.0 許可證，它是一個非常靈活的開源許可證，你甚至可以在 Amazon Web 服務（AWS）和其它的集群上運行它們，而這僅需要幾百美元而已。

Microsoft 入局

「我們的目標是讓 AI 大眾化，讓每個人和組織獲得更大的成就，「 Microsoft CEO 薩提亞·納德拉 說。因此，微軟持續迭代它的 Microsoft Cognitive Toolkit（CNTK）。它是一個能夠與 TensorFlow 和 Caffe 去競爭的一個開源軟體框架。Cognitive Toolkit 可以工作在 64 位的 Windows 和 Linux 平台上。

Cognitive Toolkit 團隊的報告稱，「Cognitive Toolkit 通過允許用戶去創建、訓練，以及評估他們自己的神經網路，以使企業級的、生產系統級的 AI 成為可能，這些神經網路可能跨多個 GPU 以及多個機器在大量的數據集中高效伸縮。」

從來自 Linux 基金會的新電子書中學習更多的有關 AI 知識。Ibrahim Haddad 的 開源 AI：項目、洞察和趨勢 調查了 16 個流行的開源 AI 項目—— 深入研究了他們的歷史、代碼庫、以及 GitHub 的貢獻。 現在可以免費下載這個電子書。

via: https://www.linux.com/blog/2018/6/6-open-source-ai-tools-know

作者：Sam Dean 選題：lujun9972 譯者：qhwdw 校對：pityonline, wxy

本文由 LCTT 原創編譯，Linux中國 榮譽推出

本文轉載來自 Linux 中國: https://github.com/Linux-CN/archive