本文將從開發(fā)者的角度出發(fā)，特別是針對開發(fā)者中為數(shù)眾多的Linux系統(tǒng)和Mac系統(tǒng)用戶，奉上一篇針對泛Linux生態(tài)的頂級人工智能開源工具盤點(當(dāng)然，有些工具也并非只兼容Linux)。

1. Deeplearning4j：為Java用戶量身定制

Deeplearning4j(Deep Learning For Java)是Java和Scala環(huán)境下的一個開源分布式的深度學(xué)習(xí)項目，由總部位于美國舊金山的商業(yè)智能和企業(yè)軟件公司Skymind牽頭開發(fā)，并得到了騰訊的投資。正如它的命名，Deeplearning4j的運行需要Java虛擬機(jī)JVM的支持。

Deeplearning4j團(tuán)隊在官網(wǎng)表示，他們希望通過一些深度學(xué)習(xí)算法的開發(fā)，將商業(yè)帶入智能化數(shù)據(jù)的時代。也正是為了實現(xiàn)這一理想，惠及更多的用戶，因此選擇了移植性更好的Java環(huán)境來實現(xiàn)這些算法。目前，Deeplearning4j的這些算法已經(jīng)在谷歌、Facebook和微軟等平臺得到了廣泛應(yīng)用。

值得一提的是，為了便于開發(fā)者自由定制，Deeplearning4j已經(jīng)開放了盡可能多的算法調(diào)節(jié)接口，并對接口參數(shù)做出了詳盡解釋。同時，Deeplearning4j團(tuán)隊還開發(fā)了針對矩陣運算的ND4J和ND4S庫(N-Dimensional Arrays for Java/Scala)，同樣需要JVM的支持。

Deeplearning4j遵循Apache 2.0開源協(xié)議，提供了基于AWS云服務(wù)的GPU運算支持，以及微軟服務(wù)器框架的支持。

官網(wǎng)： http://deeplearning4j.org/

2. Caffe：廣受歡迎的深度學(xué)習(xí)框架

Caffe的全稱是 “Convolution Architecture For Feature Extraction”，意為“用于特征提取的卷積架構(gòu)”，主要開發(fā)者來自伯克利大學(xué)的視覺與學(xué)習(xí)中心(Berkeley Vision and Learning Center，BVLC)，基于BSD 2-Clause開源許可協(xié)議發(fā)布。

Caffe是業(yè)內(nèi)著名的深度學(xué)習(xí)框架， 根據(jù)官網(wǎng)介紹 ，其主要特點是：運算速度快(官方顯示在單片NVIDIA K40 GPU的運算能力下，Caffe每天可以處理超過60M的圖片數(shù)據(jù))，模塊定制方便(在CPU或GPU之間的轉(zhuǎn)換只需要簡單修改一下參數(shù)設(shè)定)，擴(kuò)展能力強(qiáng)大(目前有超過一千名開發(fā)者基于Caffe開發(fā)了分支版本 )，以及豐富的社區(qū)支持(Caffe已經(jīng)被授權(quán)給各種研究機(jī)構(gòu)、初創(chuàng)公司和工業(yè)集團(tuán))，因此特別適合于神經(jīng)網(wǎng)絡(luò)建模和圖像處理任務(wù)。

官網(wǎng)： http://caffe.berkeleyvision.org/

3. H2O：企業(yè)級機(jī)器學(xué)習(xí)框架

H2O(即水的化學(xué)式)是一個開源、快速、可擴(kuò)展的分布式機(jī)器學(xué)習(xí)框架，同時提供了大量的算法實現(xiàn)。它支持深度學(xué)習(xí)、梯度推進(jìn)(Gradient Boosting)、隨機(jī)森林(Random Forest)、廣義線性模型(即邏輯回歸，彈性網(wǎng)絡(luò))等各種機(jī)器學(xué)習(xí)算法。

H2O框架的核心代碼由Java編寫，數(shù)據(jù)和模型通過分布式的key/value存儲在各個集群節(jié)點的內(nèi)存中，算法使用Map/Reduce框架實現(xiàn)，并使用了Java中的Fork/Join機(jī)制來實現(xiàn)多線程。

H2O是一個更關(guān)注企業(yè)用戶的人工智能分析工具，它聚焦于為掌握大量數(shù)據(jù)的企業(yè)用戶提供快速精準(zhǔn)的預(yù)測分析模型，從海量數(shù)據(jù)中提取有助于商業(yè)決策的信息。

根據(jù)H2O官方的數(shù)據(jù)，目前已經(jīng)有超過7萬名數(shù)據(jù)科學(xué)家和8萬家組織機(jī)構(gòu)成為了H2O平臺的忠實擁躉。

官網(wǎng)： http://www.h2o.ai/

4. MLlib：基于Spark框架的機(jī)器學(xué)習(xí)算法實現(xiàn)庫

MLlib是Apache開源項目Spark針對一些常用的機(jī)器學(xué)習(xí)算法的實現(xiàn)庫，同時也包括了相關(guān)的測試程序和數(shù)據(jù)生成器。

按照官網(wǎng)的描述，MLlib的主要特點是易用(天生兼容Spark框架的API接口和Python、Java、Scala等多種語言)、高性能(依靠Spark的數(shù)據(jù)管理能力，運行迭代和邏輯回歸算法時比Hadoop框架快100倍)和易于部署(可以直接在現(xiàn)有的Hadoop數(shù)據(jù)集群上運行)。

MLlib目前支持分類、回歸、推薦、聚類、生存分析等多種機(jī)器學(xué)習(xí)算法。

官網(wǎng)： https://spark.apache.org/mllib/

5. Apache Mahout：Hadoop廣泛采用的機(jī)器學(xué)習(xí)開源框架

Apache Mahout同樣也是一個Apache開源項目，與MLlib相對應(yīng)，Mahout是應(yīng)用在Hadoop平臺下的機(jī)器學(xué)習(xí)開源框架。

Mahout有如下三個主要特點：

1) 提供簡單、可擴(kuò)展的編程環(huán)境和框架;

2) 同時為Scala + Apache Spark、H2O以及Apache Flik平臺提供打包好的算法實現(xiàn);

3) 支持R語言的語法規(guī)則進(jìn)行矩陣計算。

官網(wǎng)： http://mahout.apache.org/

6. OpenNN：專注神經(jīng)網(wǎng)絡(luò)的實現(xiàn)庫

OpenNN的全稱為“Open Neural Networks Library”，即開源神經(jīng)網(wǎng)絡(luò)庫，其核心代碼由C++編寫，從名字就可以看出，其主要面向深度學(xué)習(xí)領(lǐng)域，助力于用戶構(gòu)建各種不同的神經(jīng)網(wǎng)絡(luò)模型。

據(jù)官方描述，OpenNN可用于實現(xiàn)監(jiān)督學(xué)習(xí)場景中任何層次的非線性模型，同時還支持各種具有通用近似屬性的神經(jīng)網(wǎng)絡(luò)設(shè)計。

除了模型的多層支持外，OpenNN最主要優(yōu)勢還在于強(qiáng)大的性能表現(xiàn)。具體來說就是，OpenNN能夠通過C++語言實現(xiàn)的核心代碼高效地調(diào)節(jié)內(nèi)容使用，通過OpenMP庫很好地平衡多線程CPU調(diào)用，以及通過CUDA工具對GPU進(jìn)行加速。

官網(wǎng)： http://www.opennn.net/

7. Oryx 2：重新設(shè)計了Lambda架構(gòu)

Oryx 2是Oryx項目的2.0版，前身名為 Myrrix，后來被大數(shù)據(jù)公司 Cloudera 收購，才改名為 Oryx。

Oryx 2.0關(guān)注于大規(guī)模機(jī)器學(xué)習(xí)/預(yù)測分析基礎(chǔ)框架的實時表現(xiàn)，它基于Apache Spark和Apache Kafka框架開發(fā)，并重新設(shè)計了Lambda架構(gòu)，使得層次之間的復(fù)用性更強(qiáng)。

2.0版相比之前實現(xiàn)了更多算法，包括ALS協(xié)同過濾、隨機(jī)森林、以及K-means++等。

官網(wǎng)： http://oryx.io/

8. OpenCyc：全球最龐大、最完備的通用型知識庫與常識推理引擎

OpenCyc是Cycorp公司推出的一個基于Cyc的開源版本，而Cyc是目前全球最龐大、最完備的通用型知識庫與常識推理引擎。

OpenCyc包含數(shù)十萬個精心組織的Cyc詞條。Cycorp公司不但免費提供OpenCyc，同時也鼓勵開發(fā)者基于OpenCyc開發(fā)針對于特定應(yīng)用領(lǐng)域的分支版本。

目前，OpenCyc已經(jīng)被成功應(yīng)用在大數(shù)據(jù)建模、語言數(shù)據(jù)整合、智能文本理解、特定領(lǐng)域的專家系統(tǒng)建模和人工智能游戲。

官網(wǎng)： http://www.cyc.com/platform/opencyc/

9. Apache SystemML：專注于大數(shù)據(jù)分析的開源機(jī)器學(xué)習(xí)平臺

SystemML是一個利用機(jī)器學(xué)習(xí)算法進(jìn)行大數(shù)據(jù)分析的開源AI平臺，其主要特點是支持R語言和Python的語法，專注于大數(shù)據(jù)分析領(lǐng)域，以及專門為高階數(shù)學(xué)計算設(shè)計。

按照官網(wǎng)的介紹，Apache SystemML基于Apache Spark框架運行，其最大的特點就是能夠自動、逐行地評估數(shù)據(jù)，并根據(jù)評估結(jié)果確定用戶的代碼應(yīng)該直接運行在驅(qū)動器上還是運行在Apache Spark集群上。

除了Apache Spark之外，SystemML還支持Apache Hadoop、Jupyter和Apache Zeppelin等多個平臺。目前，SystemML技術(shù)已經(jīng)成功應(yīng)用在交通、航空和金融等多個領(lǐng)域。

官網(wǎng)： http://systemml.apache.org/

10. NuPIC：基于層級實時存儲算法的機(jī)器智能平臺

NuPIC是一個與眾不同的開源機(jī)器智能平臺，它基于一種大腦皮層理論，即“層級實時存儲算法”(Heirarchical Temporary Memory，HTM)。NuPIC聚焦于分析實時數(shù)據(jù)流，可以通過學(xué)習(xí)數(shù)據(jù)之間基于時間的狀態(tài)變化，對未知數(shù)據(jù)進(jìn)行預(yù)測，并揭示其中的非常規(guī)特性。

NuPIC關(guān)鍵的功能特性包括：

1) 持續(xù)的在線學(xué)習(xí)：NuPIC模型可以持續(xù)根據(jù)快速變化的數(shù)據(jù)流進(jìn)行實時調(diào)整;

2) 時間和空間分析：像人腦一樣，NuPIC可以同時模擬時間和空間的變化;

3) 實時的數(shù)據(jù)流分析：智能化的數(shù)據(jù)分析不會隨著數(shù)據(jù)量的增加而改變;

4) 預(yù)測和建模：通過通用性的大腦皮層算法，對數(shù)據(jù)進(jìn)行預(yù)測、建模和學(xué)習(xí);

5) 強(qiáng)大的異常檢測能力：實時檢測數(shù)據(jù)流的擾動，不依靠僵化的閾值設(shè)置和過時的算法;

6) 層級實時存儲算法：支持全新的HTM計算架構(gòu)。

官網(wǎng)： http://numenta.org/

由于2016僅僅是人工智能走向主流的元年，未來隨著技術(shù)的進(jìn)一步發(fā)展和革新，勢必會出現(xiàn)更多、更豐富的開發(fā)工具。這里值得注意的一點是：工具的意義不僅在于解決了日常研發(fā)中遇到的各種問題，更在于降低了開發(fā)的難度，引導(dǎo)了更多人投入到人工智能的研發(fā)之中。