10 Alat Perisikan Buatan Terbuka Terbuka Untuk Linux

Dalam jawatan ini, kami akan merangkumi beberapa bahagian atas, kecerdasan buatan sumber terbuka (Ai) Alat untuk ekosistem Linux. Pada masa ini, Ai adalah salah satu bidang yang sentiasa memajukan dalam sains dan teknologi, dengan tumpuan utama yang ditujukan untuk membina perisian dan perkakasan untuk menyelesaikan cabaran kehidupan seharian dalam bidang seperti penjagaan kesihatan, pendidikan, keselamatan, pembuatan, perbankan dan banyak lagi.

Cadangan Baca: 20 perisian sumber terbuka percuma yang saya dapati pada tahun 2015

Berikut adalah senarai beberapa platform yang direka dan dibangunkan untuk menyokong AI, yang anda boleh gunakan di Linux dan mungkin banyak sistem operasi lain. Ingat senarai ini tidak diatur dalam apa -apa urutan kepentingan tertentu.

1. Pembelajaran mendalam untuk Java (Deeplearning4j)

Deeplearning4j adalah gred komersil, sumber terbuka, palam dan bermain, diedarkan perpustakaan dalam pembelajaran yang mendalam untuk bahasa pengaturcaraan Java dan Scala. Ia direka khusus untuk aplikasi berkaitan perniagaan, dan disepadukan dengan Hadoop dan Percikan di atas CPU dan GPU yang diedarkan.

DL4J dibebaskan di bawah Apache 2.0 Lesen dan menyediakan sokongan GPU untuk berskala AWS dan disesuaikan untuk seni bina perkhidmatan mikro.

Deeplearning4j - Pembelajaran mendalam untuk Java

Lawati Laman Utama: http: // deeplearning4j.org/

2. Caffe - Rangka Kerja Pembelajaran Deep

Caffe adalah rangka kerja pembelajaran mendalam modular dan ekspresif berdasarkan kelajuan. Ia dikeluarkan di bawah lesen BSD 2-Clause, dan ia sudah menyokong beberapa projek komuniti dalam bidang seperti penyelidikan, prototaip permulaan, aplikasi perindustrian dalam bidang seperti penglihatan, ucapan dan multimedia.

Caffe - Rangka Kerja Pembelajaran Deep

Lawati Laman Utama: http: // caffe.Berkeleyvision.org/

3. H20 - Rangka Kerja Pembelajaran Mesin yang diedarkan

H20 adalah rangka kerja pembelajaran mesin sumber terbuka, cepat, berskala dan diedarkan, ditambah dengan pelbagai algoritma yang dilengkapi dengan rangka kerja. Ia menyokong aplikasi yang lebih bijak seperti pembelajaran mendalam, meningkatkan kecerunan, hutan rawak, pemodelan linear umum (i.regresi logistik e, jaring elastik) dan banyak lagi.

Ini adalah alat kecerdasan buatan yang berorientasikan perniagaan untuk membuat keputusan dari data, ia membolehkan pengguna menarik pandangan dari data mereka menggunakan pemodelan ramalan yang lebih cepat dan lebih baik.

H2O - Rangka Kerja Pembelajaran Mesin Diedarkan

Lawati Laman Utama: http: // www.H2O.ai/

4. Mllib - Perpustakaan Pembelajaran Mesin

Mllib adalah Perpustakaan Pembelajaran Mesin Pembelajaran Mesin yang Dibangunkan, Mudah Digunakan dan Tinggi Dibangunkan sebagai sebahagian daripada Apache Spark. Pada dasarnya mudah digunakan dan boleh dijalankan pada kelompok dan data Hadoop yang sedia ada.

Cadangan Baca: 12 editor teks sumber terbuka terbaik (GUI + CLI) yang saya dapati pada tahun 2015

Mllib juga menghantar dengan koleksi algoritma untuk klasifikasi, regresi, cadangan, kluster, analisis survival dan banyak lagi. Yang penting, ia boleh digunakan dalam bahasa pengaturcaraan Python, Java, Scala dan R.

Mllib - Perpustakaan Pembelajaran Mesin

Lawati Laman Utama: https: // Spark.Apache.org/mllib/

5. Apache Mahout

Mahout adalah rangka kerja sumber terbuka yang direka untuk membina aplikasi pembelajaran mesin berskala, ia mempunyai tiga ciri penting yang disenaraikan di bawah:

1. Menyediakan tempat kerja pengaturcaraan yang mudah dan boleh diperpanjang
2. Menawarkan pelbagai algoritma prepackaged untuk Scala + Apache Spark, H20 serta Apache Flink
3. Termasuk samaras, tempat kerja percubaan matematik vektor dengan sintaks seperti R

Apache Mahout

Lawati Laman Utama: http: // mahout.Apache.org/

6. Buka Perpustakaan Rangkaian Neural (OpenNN)

Opennn juga merupakan perpustakaan kelas sumber terbuka yang ditulis dalam C ++ untuk pembelajaran mendalam, ia digunakan untuk menghasut rangkaian saraf. Walau bagaimanapun, hanya optimum untuk pengaturcara C ++ yang berpengalaman dan orang yang mempunyai kemahiran pembelajaran mesin yang luar biasa. Ia dicirikan dengan seni bina yang mendalam dan prestasi tinggi.

Opennn - Perpustakaan Rangkaian Neural Buka

Lawati Laman Utama: http: // www.Opennn.bersih/

7. Oryx 2

Oryx 2 adalah kesinambungan projek Oryx awal, ia dibangunkan di Apache Spark dan Apache Kafka sebagai arkitek semula seni bina Lambda, walaupun didedikasikan untuk mencapai pembelajaran mesin masa nyata.

Ini adalah platform untuk pembangunan aplikasi dan kapal dengan aplikasi tertentu juga untuk penapisan kolaboratif, klasifikasi, regresi dan tujuan kluster.

Oryx2 - Arkitek Lambda Arkitek

Lawati Laman Utama: http: // oryx.io/

8. Opencyc

Opencyc adalah portal sumber terbuka kepada asas pengetahuan umum yang paling besar dan paling komprehensif dan enjin penaakulan akal di dunia. Ia termasuk sejumlah besar istilah CYC yang diatur dalam onologi yang direka dengan tepat untuk aplikasi dalam bidang seperti:

1. Pemodelan domain yang kaya
2. Sistem pakar khusus domain
3. Pemahaman teks
4. Integrasi data semantik serta permainan AI ditambah banyak lagi.

Opencyc

Lawati Laman Utama: http: // www.Cyc.com/platform/opencyc/

9. Apache Systemml

Systemml adalah platform kecerdasan buatan sumber terbuka untuk pembelajaran mesin sesuai untuk data besar. Ciri-ciri utamanya adalah-berjalan pada sintaks seperti r dan python, memberi tumpuan kepada data besar dan direka khusus untuk matematik peringkat tinggi. Bagaimana ia berfungsi dijelaskan dengan baik di laman web, termasuk demonstrasi video untuk ilustrasi yang jelas.

Cadangan Baca: 18 IDE terbaik untuk pengaturcaraan C/C ++ atau editor kod sumber di Linux

Terdapat beberapa cara untuk menggunakannya termasuk Apache Spark, Apache Hadoop, Jupyter dan Apache Zeppelin. Beberapa kes penggunaannya yang ketara termasuk automotif, lalu lintas lapangan terbang dan perbankan sosial.

Apache Systemml - Platform Pembelajaran Mesin

Lawati Laman Utama: http: // systemml.Apache.org/

10. Nupic

Nupic adalah rangka kerja sumber terbuka untuk pembelajaran mesin yang berdasarkan memori sementara heirarchical (HTM), teori neocortex. Program HTM yang disepadukan dalam Nupic dilaksanakan untuk menganalisis data streaming masa nyata, di mana ia mempelajari corak berasaskan masa yang ada dalam data, meramalkan nilai-nilai yang akan berlaku serta mendedahkan sebarang penyelewengan.

Ciri -ciri pentingnya termasuk:

1. Pembelajaran dalam talian yang berterusan
2. Corak temporal dan spatial
3. Data streaming masa nyata
4. Ramalan dan pemodelan
5. Pengesanan anomali yang kuat
6. Memori temporal hierarki

Kecerdasan Mesin Nupic

Lawati Laman Utama: http: // numenta.org/

Dengan peningkatan dan terus maju penyelidikan di Ai, Kami pasti menyaksikan lebih banyak alat untuk membantu menjadikan bidang teknologi ini berjaya terutama untuk menyelesaikan cabaran saintifik harian bersama -sama dengan tujuan pendidikan.

Adakah anda berminat dengan AI, apa kata anda? Tawarkan kami fikiran, cadangan atau maklum balas yang produktif mengenai perkara ini melalui bahagian komen di bawah dan kami dengan senang hati mengetahui lebih lanjut dari anda.