10 Top Open Source Artificial Intelligence Tools für Linux

In diesem Beitrag werden wir einige der open-Source-künstlichen Intelligenz abdecken (Ai) Werkzeuge für das Linux -Ökosystem. Momentan, Ai ist eines der immer vorrangigen Felder in Wissenschaft und Technologie mit einem wesentlichen Schwerpunkt auf den Aufbau von Software und Hardware, um tägliche Herausforderungen in Bereichen wie Gesundheitswesen, Bildung, Sicherheit, Fertigung, Bankgeschäft und vielem mehr zu lösen.

Vorgeschlagene Lesen: 20 kostenlose Open Source -Software, die ich im Jahr 2015 gefunden habe

Im Folgenden finden Sie eine Liste einer Reihe von Plattformen, die für die Unterstützung von KI entwickelt und entwickelt wurden, die Sie unter Linux und möglicherweise vielen anderen Betriebssystemen verwenden können. Denken Sie daran, dass diese Liste in keiner bestimmten Reihenfolge von Interesse angeordnet ist.

1. Tiefes Lernen für Java (DeepLearning4J)

DeepLearning4J ist eine kommerzielle Note, Open-Source, Plug & Play, Distributed Deep-Learning Library für Java- und Scala-Programmiersprachen. Es wurde speziell für geschäftsbezogene Anwendungen entwickelt und in integriert in Hadoop Und Funke über verteilte CPUs und GPUs.

DL4J wird unter dem Apache 2 veröffentlicht.0 Lizenz und bietet GPU-Unterstützung für die Skalierung auf AWS und ist für die Mikro-Service-Architektur angepasst.

DeepLearning4J - Deep Learning für Java

Besuchen Sie die Homepage: http: // DeepLearning4J.org/

2. Kaffe - Deep Learning Framework

Kaffe ist ein modulares und ausdrucksstarkes Deep -Lern -Framework, das auf Geschwindigkeit basiert. Es wird im Rahmen der BSD 2-Klausel-Lizenz veröffentlicht und unterstützt bereits mehrere Gemeinschaftsprojekte in Bereichen wie Forschung, Startup-Prototypen, industrielle Anwendungen in Bereichen wie Vision, Sprache und Multimedia.

Kaffe - Deep Learning Framework

Besuchen Sie die Homepage: http: // kaffe.Berkeleyvision.org/

3. H20 - Rahmen für verteiltes maschinelles Lernen

H20 ist ein Open-Source-, Fast-, Skalierbares und verteiltes Rahmen für maschinelles Lernen sowie die Auswahl an Algorithmen, die im Rahmen ausgestattet sind. Es unterstützt eine intelligentere Anwendung wie Deep Learning, Gradientenhosting, zufällige Wälder, generalisierte lineare Modellierung (i.E logistische Regression, elastisches Netz) und viele mehr.

Es handelt sich um ein geschäftsorientiertes Tool für künstliche Intelligenz für die Entscheidungsfindung aus Daten. Er ermöglicht den Benutzern, Erkenntnisse aus ihren Daten mit einer schnelleren und besseren Vorhersagemodellierung zu erhalten.

H2O - Verteilter Rahmen für maschinelles Lernen

Besuchen Sie die Homepage: http: // www.H2O.ai/

4. MLLIB - Bibliothek für maschinelles Lernen

Mllib ist eine Open-Source-Bibliothek für maschinelles Lernen, die im Rahmen von Apache Spark entwickelt wurde. Es ist im Wesentlichen einfach zu bereitstellen und kann auf vorhandenen Hadoop -Clustern und Daten ausgeführt werden.

Vorgeschlagene Lesen: 12 Beste Open -Source -Textredakteure (GUI + CLI) Ich habe 2015 gefunden

MLLIB versendet auch eine Sammlung von Algorithmen zur Klassifizierung, Regression, Empfehlung, Clustering, Überlebensanalyse und vieles mehr. Wichtig ist, dass es in Python-, Java-, Scala- und R -Programmiersprachen verwendet werden kann.

MLLIB - Bibliothek für maschinelles Lernen

Besuchen Sie die Homepage: https: // Spark.Apache.org/mllib/

5. Apache Mahout

Mahout ist ein Open-Source-Framework, das für die Erstellung skalierbarer Anwendungen für maschinelles Lernen entwickelt wurde. Im Folgenden sind drei herausragende Funktionen aufgeführt:

1. Bietet einfache und erweiterbare Programmier am Arbeitsplatz
2. Bietet eine Vielzahl von vorverpackten Algorithmen für Scala + Apache Spark, H20 sowie Apache Flink
3. Beinhaltet Samaras, ein Mathematik-Experimentieren von Vektor-Arbeitsplatz mit R-ähnlicher Syntax

Apache Mahout

Besuchen Sie die Homepage: http: // mahout.Apache.org/

6. Open Neural Networks Library (OpenNN)

Offen ist auch eine Open-Source-Klassenbibliothek, die in C ++ für Deep Learning geschrieben wurde. Sie wird verwendet, um neuronale Netzwerke anzubauen. Es ist jedoch nur für erfahrene C ++ - Programmierer und Personen mit enormen Fähigkeiten zum maschinellen Lernen optimal. Es zeichnet sich für eine tiefe Architektur und eine hohe Leistung aus.

OpenNN - Open Neural Networks Library

Besuchen Sie die Homepage: http: // www.offen.Netz/

7. Oryx 2

Oryx 2 ist eine Fortsetzung des anfänglichen Oryx-Projekts, das sich auf Apache Spark und Apache Kafka als neuarchitektiertes Lambda-Architektur entwickelt hat, obwohl es sich dem maschinellen Lernen in Echtzeit einsetzt.

Es handelt sich um eine Plattform für die Anwendungsentwicklung und versendet mit bestimmten Anwendungen sowie für die kollaborative Filterung, Klassifizierung, Regressions- und Clusterfassungszwecke.

Oryx2 - Lambda -Architektur neu Architekten

Besuchen Sie die Homepage: http: // oryx.io/

8. Opencyc

Opencyc ist ein Open-Source-Portal für die größte und umfassendste Generalwissensbasis und Commonsense-Argumentation der Welt der Welt. Es enthält eine große Anzahl von CYC -Begriffen, die in einer genau gestalteten Onologie zur Anwendung in Bereichen wie folgt angeordnet sind:

1. Reiche Domänenmodellierung
2. Domänenspezifische Expertensysteme
3. Textverständnis
4. Semantische Datenintegration sowie KI -Spiele sowie viele weitere.

Opencyc

Besuchen Sie die Homepage: http: // www.Cyc.com/plattform/opencyc/

9. Apache Systemml

Systemml ist eine Open-Source-Plattform für künstliche Intelligenz für maschinelles Lernen ideal für Big Data. Die Hauptmerkmale sind-läuft auf R- und Python-ähnliche Syntax, die sich auf Big Data konzentrieren und speziell für Mathematik auf hoher Ebene entwickelt wurden. Wie es funktioniert.

Vorgeschlagene Lesen: 18 Beste IDEs für C/C ++ - Programmier- oder Quellcode -Editoren unter Linux

Es gibt verschiedene Möglichkeiten, es zu verwenden, einschließlich Apache Spark, Apache Hadoop, Jupyter und Apache Zeppelin. Einige seiner bemerkenswerten Anwendungsfälle umfassen Automobilien, Flughafenverkehr und Social Banking.

Apache Systemml - Plattform für maschinelles Lernen

Besuchen Sie die Homepage: http: // systemml.Apache.org/

10. Nupic

Nupic ist ein Open-Source-Framework für maschinelles Lernen, das auf Heichischen temporären Gedächtnis (HTM), einer Neocortex-Theorie, basiert. Das in NUPIC integrierte HTM-Programm wird zur Analyse von Echtzeit-Streaming-Daten implementiert, bei denen zeitbasierte Muster lernt, die in Daten vorhanden sind, die bevorstehenden Werte vorhersagen und Unregelmäßigkeiten enthüllen.

Zu den bemerkenswerten Funktionen gehören:

1. Kontinuierliches Online -Lernen
2. Zeitliche und räumliche Muster
3. Echtzeit-Streaming-Daten
4. Vorhersage und Modellierung
5. Leistungsstarke Anomalie -Erkennung
6. Hierarchische zeitliche Erinnerung

Nupic Machine Intelligence

Besuchen Sie die Homepage: http: // numenta.org/

Mit dem Aufstieg und immer voranschreitender Forschung in Ai, Wir sind verpflichtet, mehr Werkzeuge zu beobachten, um diesen Technologiebereich zu einem Erfolg zu machen, insbesondere bei der Lösung täglicher wissenschaftlicher Herausforderungen und Bildungszwecken.

Interessieren Sie sich für KI, was ist Ihr Sprich?? Bieten Sie uns Ihre Gedanken, Vorschläge oder produktives Feedback zum Thema über den folgenden Kommentarbereich an, und wir werden uns freuen, mehr von Ihrem zu erfahren.