TensorFlow™是一个开源软件库，最初由Google Brain Team的研究人员和工程师开发。(中文社区)
TensorFlow™是一个开源软件库，最初由Google Brain Team的研究人员和工程师开发。TensorFlow使用数据流图进行数值计算。图中的节点表示数学运算，边表示它们之间通信的多维数据数组（张量）。其架构灵活，你可以使用单个API将计算部署到桌面、服务器或移动设备中的一个或多个CPU或GPU。
这个问题已经有一段时间了，但最近这些日子几乎每个人都在谈论人工智能和机器学习。这已经不再是一个保留给科学家和研究者的秘密，而是几乎实现于每一项新兴技术中。
TensorFlow™是一个开源软件库，最初由研究Google Brain Team的研究人员和工程师开发。TensorFlow用于使用数据流图进行数值计算。图中的节点表示数学运算，而图表边表示在它们之间传递的多维数据阵列（张量）。灵活的体系结构允许您使用单个API将计算部署到桌面，服务器或移动设备中的一个或多个CPU或GPU。
【新智元导读】GitHub上根据星级（stra）列出了最常用的53个深度学习项目。其中，最受欢迎的是TensorFlow。表格的整理人ID分别是aymericdamien、lenck、pjreddie、vmarkovtsev和JohnAllen。这样一份实用工具表，赶紧收藏吧~ 项目名称星数简介TensorFlow29622使用数据流图计算可扩展机器学习问题。Caffe11799一个高效的开源深度学习框架。Neural Style10148由Torch实现的神经网络算法。Deep Dream9042一款图像
来源 | Analytics Vidhya 编译 | 磐石 出品 | 磐创AI技术团队 磐创AI导读：本文介绍了github上最近比较火的7个机器学习项目，每一个都值得上手。 目录： · 介绍 · Person Blocker(人体自动遮挡) · AstroNet（天体网络） · ANN Visualizer（神经网络可视化） · Fast Pandas · Tensorflow.js · Caffe 64（小巧版caffe） · Tensorflow Hub 介绍 GitHub是我生活中不可或缺的一
未来是一个AI的时代吗？很有可能是的，几乎每天都能看到AI相关的新闻，你会不会也有一种想要钻研AI，制造下一个AlphaGo的冲动？ 可是学习AI说难不算特别难，但是说简单也绝不简单，尤其是对于初学者
Python 1. Theano是一个python类库，用数组向量来定义和计算数学表达式。它使得在Python环境下编写深度学习算法变得简单。在它基础之上还搭建了许多类库。 1.Keras是一个简洁、高度模块化的神经网络库，它的设计参考了Torch，用Python语言编写，支持调用GPU和CPU优化后的Theano运算。 2.Pylearn2是一个集成大量深度学习常见模型和训练算法的库，如随机梯度下降等。它的功能库都是基于Theano之上。 3.Lasagne是一个搭建和训练神经网络
Python 由于本身的易用优势和强大的工具库储备，成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习，已然是各大项目最偏爱的语言。
随着近年来科技的发展，人工智能的利用率也是越来越高，我们需要随时了解人工智能的哪些工具、库、平台，以及提供的功能，哪些更加适合你。下面介绍的一些AI工具、库和平台，了解它们最常见的用途、优缺点，以及一
6 月 26 日，亚马逊云科技 Community Day 在上海举办。亚马逊云科技首席开发者布道师、资深数据科学家、资深应用科学家以及亚马逊云科技 Machine Learning Hero 悉数到场，针对 AI 开源的技术趋势及落地实践项目进行分享和讨论。 1王宇博：亚马逊在开源机器学习领域的贡献和实践 开源的概念源于上世纪 80 年代，近年来，随着机器学习和云计算的不断发展，开源逐渐成为众多开发者谈论的核心，其重要性显著提升。目前，前五大开源贡献者中，四家是云计算厂商，前十大开源贡献商中，七家是云计算
来自：CSDN.NET 链接：http://www.csdn.net/article/2015-09-15/2825714（点击尾部阅读原文前往，文章中相关链接请点击阅读原文查看） 原文：http://www.teglor.com/b/deep-learning-libraries-language-cm569/ 译者简介：赵屹华，计算广告工程师@搜狗，前生物医学工程师，关注推荐算法、机器学习领域。 本文总结了Python、Matlab、CPP、Java、JavaScript、Lua、Julia、Lisp、
随着深度学习在语音、图像、自然语言等领域取得了广泛的成功，越来越多的企业、高校和科研单位开始投入大量的资源研发 AI 项目。同时，为了方便广大研发人员快速开发深度学习应用，专注于算法应用本身，避免重复造轮子的问题，各大科技公司先后开源了各自的深度学习框架，例如：TensorFlow（Google）、Torch/PyTorch（Facebook）、Caffe（BVLC）、CNTK（Microsoft）、PaddlePaddle（百度）等。
Python 1. Theano是一个python类库，用数组向量来定义和计算数学表达式。它使得在Python环境下编写深度学习算法变得简单。在它基础之上还搭建了许多类库。 1.Keras是一个简洁、高度模块化的神经网络库，它的设计参考了Torch，用Python语言编写，支持调用GPU和CPU优化后的Theano运算。 2.Pylearn2是一个集成大量深度学习常见模型和训练算法的库，如随机梯度下降等。它的功能库都是基于Theano之上。 3.Lasagne是一个搭建和训练神经网络的轻量级封装
我们都知道斯坦福 NLP 组的开源工具——这是一个包含了各种 NLP 工具的代码库。近日，他们公开了 Python 版本的工具，名为 Stanza。该库有 60 多种语言的模型，可进行命名实体识别等 NLP 任务。一经开源，便引起了社区的热议。李飞飞就在推特上点赞了这个项目。
大数据文摘授权转载自数据派THU 作者：陈之炎 对于据科学的初学者来说，利用开源的深度学习框架，可以大幅度简化复杂的大规模度学习模型的实现过程。在深度学习框架下构建模型，无需花费几天或几周的时间从头开始编写代码，便可以轻松实现诸如卷积神经网络这样复杂的模型。在本文中，将介绍几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。 深度学习框架概述 深度学习框架是一种界面、库或工具，它使编程人员在无需深入了解底层算法的细节的情况下，能够更
HelloGitHub 推出的《讲解开源项目》 系列。这一期是由亚马逊工程师：Keerthan Vasist(https://github.com/keerthanvasist)，为我们讲解 DJL（完全由 Java 构建的深度学习平台）系列的第 4 篇。
摘要： AI人才缺口巨大？如果你想成为AI革命中的一员，那么你就必须要学习深度学习，看看这12本书，它们将成为你的利器！ 我相信你应该知道人工智能，尤其是深度学习在过去5年左右取得了不错的进步。 深度学习是由少数研究人员开始的一个相对较小的领域，现在已经变得如此主流，以至于我们现在每天使用的应用程序和服务，现在都在使用深度学习来执行不久前难以想象的任务。 但深度学习并不新鲜，从20世纪40年代开始，Warren McCulloch和Walter Pitts就基于数学和算法创建了神经网络的计算模型。 然而，
随着机器学习、深度学习为主要代表的人工智能技术的逐渐成熟，越来越多的 AI 产品得到了真正的落地。
Python 由于本身的易用优势和强大的工具库储备，成为了在人工智能及其它相关科学领域中最常用的语言之一。尤其是在机器学习，已然是各大项目最偏爱的语言。 其实除了 Python ，也不乏有开发者用其他语言写出优秀的机器学习项目。在此，列出其中一些个人认为值得关注的开源机器学习项目，比如C、C++、Go、Java、Javascript、PHP、Ruby、Objective C、Swift、Scala等等，看看人工智能的语言适配性吧~~~ ➤ 1、C Darknet —— 神经网络框架 https://g
本文整理了 GitHub 上最流行的 57 款深度学习项目（按 stars 排名）。最后更新：2016.08.09 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的
作者的话：这篇文章重点是讲清楚多层神经网络的计算过程和程序实现。 复杂海量数据的分布式计算，多层的训练的梯度衰减等问题，可以从本文基础上去进一步改进优化。层数多时，也有很多用ReLU代替Sigmoid函数，来改善前面隐含层的学习变化越来越弱的问题。 对于现在流行的深度学习，保持学习精神是必要的——程序员尤其是架构师永远都要对核心技术和关键算法保持关注和敏感，必要时要动手写一写掌握下来，先不用关心什么时候用到——用不用是政治问题，会不会写是技术问题，就像军人不关心打不打的问题，而要关心如何打赢的问题。 程序
1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief 快了2倍。 TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用 TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的自动分 化（auto-differentiation）。通过灵活的 Python 接口，要在 TensorFlow
本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。
2021腾讯犀牛鸟开源人才培养计划 开源项目介绍 滑至文末报名参与开源人才培养计划 报名提交项目Proposal Angel项目介绍 Angel-高性能分布式机器学习平台，是腾讯研发并开源的面向企业级应用的高性能分布式机器学习平台。 Angel支持特征工程、模型构建、参数训练、AutoML、模型服务Serving等全栈机器学习服务，提供机器学习、深度学习、图神经网络等多种算法，支持级万亿级超大规模参数模型的训练，已在生产业务系统中大规模部署。 Angel项目导师介绍 欧阳文、李晓
选自Microsoft 作者：John Roach 机器之心编译 参与：黄小天、蒋思源 近日，微软在其官方博客上撰文宣布全面开源 Microsoft Cognitive Toolkit 2.0，该版
当涉及到训练计算机的行为而不需要明确的编程，存在大量的机器学习领域的工具。学术和工业界专业人士使用这些工具来构建从语音识别到MRI扫描中的癌症检测的许多应用。许多这些工具可以在网上免费获得。如果你有兴趣，我已经编译了这些（见本页底部）的排名，以及区分它们中一些重要功能的概述。具体来说，该工具所用的语言、每个工具的主页网站上的描述、对机器学习中特定范式的关注以及学术界和工业界的一些主要用途。
本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。 Python Theano 是一种用于使用数列来定义和评估数学表达的 Python 库。它可以让 Python 中深度学习算法的编写更为简单。很多其他的库是以 Theano 为基础开发的： Keras 是类似 Torch 的一个精简的，高度模块化的神经网络库。Theano 在底层帮助其优化 CPU 和 GPU 运行中的张量操作。 Pylearn2 是一个引用大量如随机梯度（Stochastic Gradient）这
【新智元导读】微软今天发布了深度学习工具包CNTK的2.0版本，新版本增加了支持 Keras 的 CNTK 后端，Java API，模型评估的 Spark 支持，模型压缩等新功能，微软全球技术院士黄学东称其比同类产品快3倍。 微软今天发布微软认知工具包（Microsoft Cognitive Toolkit）的2.0版本。这是一个开源的深度学习工具包，以前的名字是 CNTK，是微软对应竞争对手的TensorFlow，Caffe 和 Torch 的工具。它的第一个版本已经在速度方面不输许多竞争产品，而新的2.
与 Java、Python 等语言相比，C/C++ 语言是离操作系统更近的一种高级语言，因此其执行效率也更高。可以说，就像武侠小说中的“九阳神功”一样，C/C++ 一旦学成，其妙无穷！有了这个基础，你就可以一通百通，快速学习任何语言和编程技术了。
美国“数据科学中心”（Data Science Central）网站的编辑总监William Vorhies撰文表示，量子计算、神经形态计算和超级计算可以带来更快、更简单、更廉价、更聪明的人工智能。 人工智能与深度学习存在一个问题—实际上是三个。 时间：训练像卷积神经网络(CNN)或循环神经网络(RNN)[A1] 这样的深度网络可能需要几周时间。这还不包括深度网络在达到所需的性能阈值之前定义问题以及深度网络编程过程中的不断成功与失败所耗费的数周甚至数月的时间。 成本：让数百个图形处理器(GPU)连续进行数周
本文介绍了几种非常有用的深度学习框架、它们的优点以及应用，通过对每个框架进行比较，研发人员了解如何有选择地使用它们，高效快捷完成项目任务。
美国“数据科学中心”（Data Science Central）网站的编辑总监William Vorhies撰文表示，量子计算、神经形态计算和超级计算可以带来更快、更简单、更廉价、更聪明的人工智能。
作者 | Gunjan 译者 | Sambodhi 策划 | 凌敏 机器学习和编码是相辅相成的。如果没有编码，数据科学家就无法使用机器学习模型。因此，机器学习工程师至少要对一门编程语言有全面的了解。这篇文章深入介绍了适合机器学习的五种编程语言，并帮助您确定哪种语言最适合您。 1.Python Python 是一种流行的面向对象的语言，创建于 1989 年，并于 1991 年发布。Guido van Rossum 作为 Python 的创造者而广为人知。根据一份报告显示，Python 是最受欢迎的三大编程语言
在上期的《谷歌、微软、OpenAI等巨头七大机器学习开源项目 看这篇就够了》这篇文章里，我们盘点了 TensorFlow，CNTK，SystemML，DeepMind Lab 等各大互联网巨头的开源平
开源的深度学习神经网络正步入成熟，而现在有许多框架具备为个性化方案提供先进的机器学习和人工智能的能力。那么如何决定哪个开源框架最适合你呢？本文试图通过对比深度学习各大框架的优缺点，从而为各位读者提供一个参考。你最看好哪个深度学习框架呢？ 现在的许多机器学习框架都可以在图像识别、手写识别、视频识别、语音识别、目标识别和自然语言处理等许多领域大展身手，但却并没有一个完美的深度神经网络能解决你的所有业务问题。所以，本文希望下面的图表和讲解能够提供直观方法，帮助读者解决业务问题。 下图总结了在 GitHub 中最受
来源：云栖社区 作者：Pavel Surmenok 本文长度为2600字，建议阅读5分钟 本文帮助你理解神经网络的应用，并使用TensorFlow解决现实生活中的问题。 如果你一直关注数据科学/机器学
选自arXiv 作者：Baptiste Wicht 等 机器之心编译 参与：乾树、李泽南 DLL 是一个旨在提供由 C++实现的受限玻尔兹曼机（RBM）和深度信念网络（DBN）及其卷积版本的软件库，由瑞士 University of Applied Science of Western Switzerland、弗里堡大学的研究者共同提出。与常用的深度学习框架类似，它还支持更多标准的神经网络。目前，该工具已开发至 1.1 版本。 项目链接：https://github.com/wichtounet/dll 引
前不久，AI 科技评论曾盘点了一系列机器学习相关的开源平台，包括谷歌的TensorFlow、微软的CNTK以及百度的PaddlePaddle等等。这些平台各具特点，其中某些已经在业内得到了广泛认可和应
本文介绍了10个功能强大的开源人工智能项目，这些项目分别是：STYLE2Paints、SerpentAI、Synaptic.js、Snake-AI、Uncaptcha、Sockeye、PHP-ML、CycleGAN、DeepLearn.js和TensorFire。这些项目涵盖了机器学习的各个方面，包括图像处理、神经网络框架、游戏AI、自然语言处理等，可以为开发人员提供各种场景下的AI应用。
对于学习数据科学的同学来说，从头开始实现神经网络，会让你理解很多有趣的东西。但是，我并不认为在真实数据集上构建深度学习模型是个明智的做法，除非你有数天或数周的时间来等待模型的构建。那么对于绝大部分无法获得无限资源的人来说，使用易于使用的开源深度学习框架，我们可以立即实现如卷积神经网络这样的复杂模型。
原文地址：10 Machine Learning Examples in JavaScript
【编者按】机器学习似乎在一夜之间从默默无闻的小卒变成万众瞩目的焦点，关于机器学习的开源工具也越来越多，但是目前的挑战是，如何让对机器学习感兴趣的开发者和准备使用它的数据科学家们真正使用上它们，本文搜集了几种语言中常见且实用的开源机器学习工具，非常值得关注，本文来自 InfoWorld。 以下为原文： 经过几十年作为一门专业学科的发展后，机器学习似乎一夜之间作为万众瞩目的商业工具出现在我们面前。目前面临的挑战是如何让其具备实效，尤其是对开发者和正准备使用它的数据科学家们。 为此，我们搜集了一些最常见的且实用的
深度学习是人工智能发展最为迅速的领域之一，Google、Facebook、Microsoft 等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。目前研究人员使用的深度学习框架有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j 等，而 Deeplearning4j 是为数不多以 Java/JVM 为基础，能与 Apache Spark 无缝结合，支持 CPU/GPU 集群分布式计算的开源框架。本文就来为大家详细介绍一下深度学习框架
目前，机器学习是软件开发中最热门的趋势之一。许多分析师甚至认为，机器学习将彻底改变几个程序的Web开发过程，包括Web和移动应用程序。
前有《我的世界》举办毕业典礼，后有《动物森友会》举办AI会议。最近《我的世界》又被大神带来了硬核玩法：
选自CIO 作者：Mitch De Felice 机器之心编译 参与：Jane W、黄玉胜 开源的深度学习神经网络正步入成熟，而现在有许多框架具备为个性化方案提供先进的机器学习和人工智能的能力。那么如何决定哪个开源框架最适合你呢？本文试图通过对比深度学习各大框架的优缺点，从而为各位读者提供一个参考。你最看好哪个深度学习框架呢？ 现在的许多机器学习框架都可以在图像识别、手写识别、视频识别、语音识别、目标识别和自然语言处理等许多领域大展身手，但却并没有一个完美的深度神经网络能解决你的所有业务问题。所以，本文希望
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
