您如何找到最佳的机器学习框架？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

您如何找到最佳的机器学习框架？
机器学习框架的列表已出现在图中，用于AI应用程序的开发和部署。这些框架将放弃开发，测试，优化和最终生产的整个流程。开发人员很困惑，该选择哪个框架而不是放弃。一些框架将重点放在易用性上，而其他框架则将重点放在生产部署和参数优化上。每个框架都有其自身的高潮和低谷。他们将拥有自己的卓越领域和失败者，这使开发商的选择更加困难。最好的框架中包括MXNET，Keras，PyTorch和Tensorflow。
数据科学家最常使用这些机器学习框架来训练几种情况下的算法，包括图像识别，预测和推荐。数据科学家将优先考虑那些简化算法的过程。好吧，这可以认为只是AI应用程序开发过程中很小的一部分。公司倾向于在辅助活动上花费大量时间，例如数据准备，将算法转移到生产中以及弄清机器学习标准。为了选择正确的机器学习框架，您需要从正确的问题开始。
1）深度学习或经典机器学习算法中使用的框架吗？
2）用于扩展的硬件，软件或云服务的确切类型是什么？
3）开发AI应用程序将使用哪种合适的编程语言？
如果我们检查哪种编程语言被认为是最适合机器学习的语言，Python和R将会排名榜首。但是，仍然存在使用Java，C和Scala的开发人员社区。大量的机器学习应用程序是使用Python而不是R编写的。原因很简单R是由统计学家设计的语言，并不适合编程。与之相比，Python更像是一种简洁，现代且易于使用的语言。对于是Python程序员的机器学习编码人员，框架的选择是TensorFlow和Caffe。
深度学习或经典学习
如今，深度学习正变得越来越流行，但是经典机器学习很有可能会变得更好。在框架的情况下，一方面可以很好，另一方面可以平衡双方。像这个一样，深度学习框架是神经网络编码特有的，而TensorFlow是选择最佳的深度学习框架。如果您仍然想仔细研究深度学习框架的选项，那就是Caffe和MXNet。此类算法为图像标签，高级自然语言处理以及其他此类应用程序提供了强大的支持。该框架可用于结构化数据，而经典ML框架不适用于非结构化数据。因此，基本上，在选择框架之前，
来到经典的机器学习算法中，它们非常适合用于不同的优化类型以及统计分析。经典机器学习的最佳框架是Scikit-learn。还有多种编程包，它们是为通过R Archive网络访问的R编程语言编写的，也称为CRAN，它具有R的库和功能。基本上，Scikit-learn非常适合用Python编写应用程序，但是相对而言， CRAN更适合用R编写应用程序。
小型项目与大型项目
在开发的最初阶段，AI应用程序开发人员将进行一两个实验，以确保哪种方法在处理少量数据时效果最佳。有限数据的框架选择会有所不同，但是当您在较大的项目上使用大数据集时，框架的选择会有所不同。支持分布式体系结构的框架将更适合H2O或Apache Sparks MLlib。对于大型项目，可伸缩性可能成为一个大问题。当涉及深度学习时，情况几乎相似。举例来说，AI开发人员想进行图像标记。他们可以下载TensorFlow并在桌面上运行TensorFlow，以训练算法并试用其他工具。一旦他们知道哪一个最适合他们，
框架替代
很好，为时已晚，但要问的问题之一是机器学习是否是解决一类问题的最佳方法。机器学习工具可以分为三类：多模式，基于笔记本和自动化。
多模式方法将是一种低代码方法，可以将专用工具与数据科学相结合，以允许开发人员针对特定用户案例扩展核心AI模型。
自动化方法将针对特定的数据集自动尝试各种可能的算法，直到获得最适合特定用例的算法为止。此类工具将提供DataRobot，AutoML和H2O.ai。
开源提供丰富的社区
专有的AI技术正在发展中，但这不能排除开放源代码框架仍然处于领先地位的事实。客户端通常喜欢使用开源的API，并且可以跨多个平台移植。开发人员社区对开源框架提供了巨大的支持。
题库

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：机器学习 scikit-learn Apache Spark Archive Tensor