2019年20个最佳Python人工智能和机器学习开源工具(项目)
python人工智能命理
2019-02-15
2502浏览量
简介:
参考资料
讨论钉钉群 21745728
本文最新版本地址
本文涉及的python测试开发库 谢谢点赞!
本文相关海量书籍下载
2018最佳人工智能机器学习工具书及下载(持续更新)
TensorFlow最初是由研究人员和工程师在Google机器智能研究组织的Google Brain团队中开发的。

参考资料
Github URL: Tensorflow

-
Scikit-learn
是用于数据挖掘和数据分析的简单而有效的工具,可供所有人访问,并可在各种环境中重用,基于NumPy,SciPy和matplotlib,开源,商业可用 - BSD许可证。
Github URL: Scikit-learn

-
Keras:高级神经网络API,用Python编写,能够在TensorFlow,CNTK或Theano之上运行。
Github URL: Keras
Github URL: pytorch
-
Theano允许您有效地定义,优化和评估涉及多维阵列的数学表达式。
Github URL: Theano
-
Gensim 具有可扩展的统计语义,分析语义结构的纯文本文档,检索语义相似的文档等功能。
Github URL: Gensim
-Caffe以表达,速度和模块化为基础的深度学习框架。 它由伯克利视觉和学习中心(BVLC)和社区贡献者开发。
Github URL: Caffe
-
Chainer:基于Python的独立开源框架,适用于深度学习模型。 Chainer提供灵活,直观和高性能的方法来实现全方位的深度学习模型,包括最新的模型,如递归神经网络和变分自动编码器。
Github URL: Chainer
-
Statsmodels: 允许用户浏览数据,估计统计模型和执行统计测试。 描述性统计,统计测试,绘图函数和结果统计的广泛列表可用于不同类型的数据和每个估算器。
Github URL: Statsmodels
-
Shogun是机器学习工具箱,提供各种统一和高效的机器学习(ML)方法。 工具箱无缝地允许轻松组合多个数据表示,算法类和通用工具。
Github URL: Shogun
-
Pylearn2机器学习库。 它的大部分功能都建立在Theano之上。 这意味着您可以使用数学表达式编写Pylearn2插件(新模型,算法等),Theano将为您优化和稳定这些表达式,并将它们编译为您选择的后端(CPU或GPU)。
Github URL: Pylearn2
-
NuPIC是一个基于新皮层理论的开源项目,称为分层时间记忆(HTM)。 HTM理论的一部分已经在应用中得到实施,测试和使用,HTM理论的其他部分仍在开发中。
Github URL: NuPIC
-
Nilearn:基于Python的深度学习库。 它提供易用性,同时提供最高性能。
Github URL: Nilearn
-
Orange3:Python工具箱进行多变量统计,并使用预测建模,分类,解码或连接分析等应用程序。
Github URL: Orange3
-
Pymc: 实现贝叶斯统计模型和拟合算法,包括马尔可夫链蒙特卡罗。 其灵活性和可扩展性使其适用于大量问题。
Github URL: Pymc
-Deap: 一种新颖的进化计算框架,用于快速原型设计和思想测试。 它旨在使算法明确,数据结构透明。 它与多处理和SCOOP等并行机制完美协调。
Github URL: Deap
Github URL: Annoy
-
PyBrain是一个用于Python的模块化机器学习库。 其目标是为机器学习任务和各种预定义环境提供灵活,易用且功能强大的算法,以测试和比较您的算法。
Github URL: PyBrain
Github URL: Fuel
机器学习/深度学习
人工智能
算法
测试技术
Python
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。