2022年10大最受欢迎的顶级机器学习库（免费且开源）

机器自学库到底是什么？

在人工智慧、机器自学垦荒的年代，开发人员需要手打式子、演算法来执行ML指出，乏味且费时。后来呢，我们把这些式子、演算法、示例、技术标准软件系统组件，放入莫拉，方便快捷我们收纳，直接省却耗时费力的从0开始的标识符过程。

那为什么机器自学库最畅销？

Python 被指出是增长最慢的程式结构设计语言之一，开发人员喜欢 Python 是因为它的简单性和时效性。

Python机器自学库拥有以下讨人钟爱的优点：

完全免费和开放源码的，对街道社区亲善，从长远规划来看，又能保证不断地改良与预览库比较丰富，几乎大部份的问题都能在上面找到标准答案准入门槛低，即便是新手也很容易入门它通过减少代码和增容时间来提高劳动生产率它的软排序和语义处理能力极强它与 C 和 C++ 标识符组件点对点协同

2021 年10大的Python 机器自学库

1、Apache MXNet，它是两个强调稳定性和工作效率的广度自学构架。它允许你混合记号程式结构设计和陈述句程式结构设计，从而最大限度降低成本和劳动生产率。在其核心是两个静态的倚赖运维，它能够自动博戈达记号和命令的操作。

2、Caffe，全名Convolutional Architecture for Fast Feature Embedding，是两个兼有抒发性、速率和观念组件化的广度自学构架。由康奈尔大学人工智慧研究组成员和康奈尔大学听觉和自学中心开发。虽然其Mach是用C++撰写的，但Caffe有Python和Matlab 相关USB。Caffe全力支持各种类型的广度自学构架，面向全国影像进行分类和影像拆分，还全力支持CNN、RCNN、LSTM和全相连数学模型结构设计。Caffe全力支持如前所述GPU和CPU的加速排序Mach库，如NVIDIA cuDNN和Intel MKL。

3、CNTK，谷歌公司出品的两个开放源码的广度自学软件包，能运转在CPU上，也能运转在GPU上。CNTK的大部份API均如前所述C++结构设计，因此在速率和易用性上较好。此外，CNTK的预测精确度较好，提供更多了很多先进演算法的实现，来帮助提供更多精确度。CNTK提供更多了如前所述C++、C#和Python的USB，非常方便快捷应用。

4、Elephas是两个把python广度自学构架keras衔接到Spark集群的第三方python包，该库全力支持广度自学模型数据博戈达训练、分布式超参数优化和集成模型分布训练等应用。

5、Fast.ai，它是一款如前所述 PyTorch 开发的快速广度自学工具，包含有大量便利的影像处理组件和方法，这个库专为广度自学实践而结构设计，它包括对协同、表格、文本和听觉等模型，打开就能用。

6、Keras，这个机器自学库的粉丝很多，是两个极简的、高度组件化的数学模型库，采用Python开发，能够运转在TensorFlow和Theano任一平台，旨在完成广度自学的快速开发。Keras 是新手构建和结构设计数学模型的完美工具之一。

7、NLTK，语义处理软件包，在NLP领域中，最常使用的两个Python库。NLTK是两个开放源码的项目，包含：Python组件，数据集和教程，用于NLP的研究和开发。NLTK由Steven Bird和Edward Loper在宾夕法尼亚大学排序机和信息科学系开发。NLTK包括图形演示和示例数据。其提供更多的教程解释了软件包全力支持的语言处理任务背后的基本概念。

8、Scikit-learn（以前称为scikits.learn，也称为sklearn）是针对Python 程式结构设计语言的完全免费软件机器自学库。它具有各种进行分类，回归和聚类演算法，包括全力支持向量机，随机森林，梯度提升，k均值和DBSCAN，并且旨在与Python数值科学库NumPy和SciPy联合使用。

Scikit-learn 全力支持以下演算法：

1. 进行分类

2. 聚类

3. 降维

4. 型号选择

5. 预处理

6. 回归

9、Tensorflow是由谷歌创建的开放源码库，被指出是当今可用的最好的 Python 机器自学库之一，使新手和专家都能轻松构建模型。Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并全力支持GPU和TPU高性能数值排序，被广泛应用于谷歌内部的产品开发和各领域的科学研究。