過去十年中人工智能的飛速增長刺激了當今就業市場對AI和ML技能的巨大需求。從金融到醫療保健，現在幾乎所有行業都在使用基于ML的技術。本文將介紹一系列可用于構建機器學習模型的最佳框架和庫。

　　1. TensorFlow

　　TensorFlow是Google開發的一款開源軟件庫，專為深度學習或人工神經網絡而設計。TensorFlow允許你可以使用流程圖創建神經網絡和計算模型。它是可用于深度學習的最好維護和最為流行的開源庫之一。TensorFlow框架可以使用C++也可以使用Python。其他類似的基于Python的深度學習框架包括Theano，Torch，Lasagne，Blocks，MXNet，PyTorch和Caffe。你可以使用TensorBoard進行簡單的可視化并查看計算流水線。其靈活的架構允許你輕松部署在不同類型的設備上。不利的一面是，TensorFlow沒有符號循環，不支持分布式學習。此外，它還不支持Windows。

　　2. Theano

　　Theano是一個專為深度學習而設計的Python庫。你可以使用該工具定義和評估數學表達式，包括多維數組。針對GPU進行了優化，該工具具有與NumPy集成，動態C代碼生成和符號區分等功能。但是，為了獲得高度的抽象，該工具必須與Keras，Lasagne和Blocks等其他庫一起使用。Theano支持Linux，Mac OS X和Windows等平臺。

　　3.Torch

　　Torch是一款針對ML算法且又簡單易用的開源計算框架。該工具提供了高效的GPU支持，N維數組，數值優化例程，線性代數例程以及用于索引、切片和置換的例程。基于Lua的腳本語言，該工具帶有大量預先訓練好的模型。這款靈活高效的ML研究工具支持諸如Linux，Android，Mac OS X，iOS和Windows等主流平臺。

　　4.Caffe

　　Caffe是一款深受歡迎的用于構建應用程序的深度學習工具。該工具是賈揚清在加州大學伯克利分校讀博士期間為他的一個項目而創建的，具有良好的Matlab / C ++ / Python界面。該工具允許你在不編寫代碼的情況下使用文本快速將神經網絡應用于問題。Caffe不完全地支持多GPU訓練。該工具支持Ubuntu，Mac OS X和Windows等操作系統。

　　5.Microsoft CNTK

　　Microsoft Cognitive Toolkit是具有C#/C++/Python接口支持的最快的深度學習框架之一。此款開源框架帶有強大的C++ API，比TensorFlow更快、更準確。該工具還支持內置數據讀取器的分布式學習。它支持諸如前饋，CNN，RNN，LSTM和序列到序列等算法。該工具支持Windows和Linux。

　　6.Keras

　　用Python編寫的Keras是一個開源庫，旨在簡化新DL模型的創建。這種高級神經網絡API可以在TensorFlow，Microsoft CNTK等深度學習框架之上運行。該工具以其用戶友好性和模塊化而聞名，因而非常適合快速原型開發。該工具針對CPU和GPU進行了優化。

　　7. scikit-learn

　　scikit-learn是一個開源的Python庫，專為機器學習而設計。基于諸如NumPy，SciPy和matplotlib等庫的scikit-learn可用于數據挖掘和數據分析。scikit-learn配備了各種ML模型，包括線性和邏輯回歸器、SVM分類器和隨機森林。該工具可用于多個ML任務，如分類，回歸和聚類。scikit-learn支持Windows和Linux等操作系統。缺點是，GPU的效率不高。

　　8. Accord.NET

　　Accord.NET是用C#編寫的ML框架，專為構建生產級計算機視覺、計算機試聽、信號處理和統計應用程序而設計。它是一個文檔記錄良好的ML框架，可以輕松實現音頻和圖像處理。Accord.NET可用于數值優化、人工神經網絡和可視化。它支持Windows。

　　9. Spark MLlib

　　Apache Spark的MLIib是一個ML庫，可用于Java，Scala，Python和R語言。因為是專為處理大規模數據而設計的，所以此強大的庫具有許多算法和實用工具，如分類、回歸和聚類。該工具在Python和R庫中與NumPy交互操作。它可以輕松插入到Hadoop工作流程中。

　　10. Azure ML Studio

　　Azure ML Studio是面向數據科學家的現代云平臺。它可以用于在云中開發ML模型。 借助廣泛的建模選項和算法，Azure非常適合構建較大的ML模型。此服務為每個帳戶提供10GB的存儲空間。它可以與R和Python程序一起使用。

　　11.Amazon Machine Learning

　　Amazon Machine Learning (AML) 是一個ML服務，提供用于創建ML模型的工具和向導。借助可視化輔助功能和易用的分析功能，AML旨在讓開發人員更方便地使用ML。AML可以連接到存儲在Amazon S3、Redshift或RDS中的數據。

　　機器學習框架具有易于理解和編碼的預構建組件，因而一個好的ML框架能夠降低定義ML模型的復雜性。讓我們借助這些開源ML框架，幫助輕松快速地構建ML模型。