在过去的几年中，人工智能正在占领技术的许多领域。 来自不同背景的开发人员最终意识到了AI为他们带来的机遇，而不管他们的需求如何。
在今天的文章中，我们列出了7种最佳的开源AI /机器学习系统和框架。
1、TensorFlow
TensorFlow可能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。
它还支持移动操作系统（iOS和android，对于iOS，它支持Swift编程语言），因此你可以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。
TensorFlow还具有许多其他功能，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可以帮助你大规模验证数据，TensorFlow Model Analysis可以使机器可视化和分析学习你建立的模型。它确实是一个完整的框架，但是你知道有什么更好的吗？因为它全部开源，免费！
TensorFlow用Python编程语言编写，这就是为什么你可以轻松地将其轻松安装在Windows，macOS和Linux发行版上的原因。它还集成到Google Cloud中，因此你可以根据需要直接将其部署到生产中。
2、Scikit-learn
Scikit-learn是一个完全用Python编写的机器学习框架。 它使你可以使用已建立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。
Scikit-learn是仅Python的实现，因此尽管它对Java / Javascript框架的移植性不强，但仍可以在所有现代桌面操作系统上使用。
Scikit-learn之所以与众不同，是因为它提供了庞大的高质量文档，以及所有部分的一致API。 Scikit-learn也非常清楚你在处理它时可能需要使用哪种估计器：
3、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不仅是机器学习框架/库，还是更大的科学计算环境，但是它提供的功能之一是对机器学习的支持。
如果你要使用Torch，那么你必须知道，你一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通过可视化库传递……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。 因此，尽管它具有功能性和全部功能，但你不应指望很快会有任何新的更新。
4、PyTorch
基于以前的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），可以在训练，分析和验证神经网络模型中充分利用专用GPU的功能。
PyTorch的使用非常广泛，并且正在积极地开发和支持。确实如此，因为尽管它是完全免费和开源的，但它提供了大量有价值的功能；它支持分布式训练（使用各种对等计算机训练模型），具有C ++前端（意味着你可以在C ++应用程序和系统中使用PyTorch），支持集成到许多云合作伙伴（例如AWS，Google Cloud）和Microsoft Azure，并拥有大量的开发人员和科学家社区，因此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……你始终可以在PyTorch社区中找到帮助。
5、Microsoft Cognitive工具包
另一个深度学习库是Microsoft Cognitive Toolkit。 它可以与Python，C＃和C ++语言一起使用，并且仅适用于Windows和Linux发行版的64位版本。 它是根据MIT许可获得许可的。
CNTK与Torch和PyTorch一样，支持NVIDIA的CUDA技术。 它也与.NET标准兼容，因此可用于通过.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）。
6、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。 它不仅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。 因此，它可以在Windows，macOS，Linux，android和iOS上运行。
Accord.NET优于此列表中提到的许多其他框架，这是它具有对语音识别，面部识别和图像识别的内置实时支持。 因此，如果你真正从各个角度学习了该框架，则可以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，并且背后有大量的用户社区。
7、DatumBox
列表中的最后一项是完全用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，它允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，并能够处理大型数据集。
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种预先构建的高级任务。如果你不想使用它，则可以简单地下载机器学习框架，构建模型并自己进行训练。
结论
因此，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非常出色。 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，比如带有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。
