2023年盤點(diǎn)程序員必須了解的十大最佳AI庫及框架

這一天遲早會(huì)來,自李世石1:4不敵AlphaGｏ那一天起,每一位圍棋人都明白，時(shí)代已經(jīng)提速,未來正踏著比想象中迅疾百倍的步伐洶涌而來。彼時(shí)彼刻AI對人類的超越絕不是終點(diǎn)，深度學(xué)習(xí)加持下的飛速進(jìn)步,不久就會(huì)讓人類再也無法在棋盤前與AI平等對話，直至降格、讓子。無論你是否情愿，都必須面對這個(gè)事實(shí)。2０23年1月９日,裝備著最強(qiáng)公開版本的絕藝，身披馬甲“絕藝指導(dǎo)A”,開始了讓二子（黑貼６目半）對決職業(yè)棋手的行程。1月1６日中午擊?。蜪ＰOHC(韓一洲七段）首勝銀冠棋手(全國冠軍）,１月12—1６日完畢１4連勝,至1月１7日晚八點(diǎn),共弈31局2７勝4負(fù)。極高的勝率固然亮眼，卻也符合人們對絕藝實(shí)力的“預(yù)期”。１月17日這一天，對柯潔來說并不快樂。面對圍觀群眾“和絕藝指導(dǎo)A下一盤”的鼓噪，柯潔欣然應(yīng)允,向絕藝指導(dǎo)A發(fā)出對局邀請。驚天動(dòng)地，職業(yè)頂尖棋手——并且是最頂尖的那個(gè)，初次在公開對戰(zhàn)中成為被讓子的一方。這一刻柯潔放下驕傲，選擇勇敢。面對強(qiáng)大的AI，人類展現(xiàn)出了卓越的勇氣與瀟灑風(fēng)度。這是圍棋人機(jī)大戰(zhàn)中的又一個(gè)第一次，頂級(jí)職業(yè)圍棋手,在讓子棋中負(fù)于AI。更明確一點(diǎn)說,騰訊圍棋AI絕藝，讓二子戰(zhàn)勝了當(dāng)今圍棋第一人柯潔。并且整個(gè)戰(zhàn)局只進(jìn)行了7７手,可以說柯潔落敗的相稱快。柯潔今天凌晨在微博上說：“以后請叫我佛系棋手…”,圍棋世界第一人，最近心緒有點(diǎn)起伏～也許未來人機(jī)大戰(zhàn)的懸念會(huì)變成,到底讓幾子人類才干穩(wěn)贏。騰訊表達(dá),這次戰(zhàn)勝柯潔的絕藝,參考了202３年１０月公開的ＡlphaGｏＺero論文,并在實(shí)踐中做出了改善。這個(gè)版本使用了4０ｂlockdｕal-resnet模型,以老版本的絕藝為基礎(chǔ)進(jìn)行強(qiáng)化學(xué)習(xí),自對弈了數(shù)百萬棋局。據(jù)介紹，騰訊在有限的資源和時(shí)間內(nèi),通過把強(qiáng)化學(xué)習(xí)和監(jiān)督學(xué)習(xí)相結(jié)合來加速訓(xùn)練，快速提高了棋力。眼下,AI已經(jīng)成為越來越火的一個(gè)方向,程序員對于新技術(shù)是最敏感的一個(gè)人群,作為一名程序員如何轉(zhuǎn)向人工智能方向?本文將向您介紹一些在人工智能(AＩ)領(lǐng)域常被使用的優(yōu)質(zhì)軟件庫,并且分析它們的優(yōu)／劣勢和自身特點(diǎn)。雖然AI曾經(jīng)被稱為只有書呆子和天才才去觸碰的專業(yè)領(lǐng)域,但是現(xiàn)如今由于各種軟件庫和框架的發(fā)展,它已成為一個(gè)更加開放的IT領(lǐng)域，很多人都已投身于其中。現(xiàn)在就讓我們來進(jìn)一步了解和探索這個(gè)紛繁的AI庫的世界吧！TeｎsorFlow“通過使用數(shù)據(jù)流圖的計(jì)算,來實(shí)現(xiàn)可擴(kuò)展的機(jī)器學(xué)習(xí)”，語言：C++或Ｐyｔhoｎ。當(dāng)提到AI的時(shí)候，您一方面聽到的框架應(yīng)當(dāng)就是谷歌的TensorFlow。TｅｎｓorFlow是使用數(shù)據(jù)流圖來執(zhí)行數(shù)值計(jì)算的開源庫。該框架的特點(diǎn)是它可以運(yùn)用任何CPＵ或ＧPU進(jìn)行計(jì)算，無論是臺(tái)式機(jī)、服務(wù)器、甚至是移動(dòng)設(shè)備的架構(gòu)都可以實(shí)現(xiàn)。這個(gè)框架中提供了Pｙthｏn語言的編程環(huán)境。TenｓorFｌow通過所謂的各種節(jié)點(diǎn)來分類數(shù)據(jù)層，并對它所獲得的任何信息做出鑒定。想了解更多相關(guān)信息,可以參看：優(yōu)勢:使用一種簡樸易學(xué)的語言--Pytｈｏn。采用計(jì)算圖形的抽象。由TensorBｏａrd提供可視化。劣勢：由于Python并非是最快的語言,因此該軟件庫運(yùn)營起來并不快。缺少各種預(yù)先訓(xùn)練好（ｐｒe-ｔｒaｉnｅd）的模型。并非完全開源。微軟CＮTK“一個(gè)開源的深度學(xué)習(xí)工具包”，語言:C++。我們可以稱之為微軟對于谷歌TensｏrＦｌow的“回應(yīng)”。微軟的計(jì)算網(wǎng)絡(luò)工具包(Ｍicrosｏft＇sＣompuｔatｉonaｌNetｗｏrｋToolＫit，ＣNTK)是一種可以提高模塊化和分離式計(jì)算網(wǎng)絡(luò)的軟件庫,它還提供了各種學(xué)習(xí)算法和模型的描述。在需要有大量服務(wù)器參與運(yùn)營的時(shí)候，ＣＮＴK可以運(yùn)用多臺(tái)服務(wù)器來同步實(shí)現(xiàn)。雖然據(jù)說它在功能上將會(huì)對谷歌TeｎsoｒFlow有所屏蔽，但現(xiàn)在看來還為時(shí)過早。想了解更多相關(guān)信息,可以參看:優(yōu)勢：非常靈活?？蓪?shí)現(xiàn)分布式的訓(xùn)練。支持C++,C#，Javａ和Pyｔhon。劣勢:它是由一種新的語言－－網(wǎng)絡(luò)描述語言(NｅtworkＤescripｔiｏｎＬanguaｇe，ＮＤL）來實(shí)現(xiàn)?？梢暬窒扌浴＃詇eano“一種數(shù)值計(jì)算的軟件庫”，語言：Ｐythｏｎ。Tｈeano是ＴｅｎsorFloｗ的強(qiáng)有力競爭者。它是一個(gè)功能強(qiáng)大的Python庫，可以高效地實(shí)現(xiàn)與各種多維數(shù)組有關(guān)的數(shù)值運(yùn)算。該軟件庫可以準(zhǔn)確地使用ＧPU來執(zhí)行各種數(shù)據(jù)密集型的計(jì)算,而不會(huì)在運(yùn)營中給CＰＵ增長承擔(dān)。出于這個(gè)因素，在近十年來,Ｔheano一直被運(yùn)用于供電系統(tǒng)內(nèi)部各種大規(guī)模的計(jì)算密集型操作。但是在2023年9月，Thｅaｎo宣布將在2023年11月的最后一次重要發(fā)布之后，對其1.0版本停止更新。當(dāng)然,這并不意味著它在功能上會(huì)有所遜色,只要您樂意,對它隨時(shí)展開研究都是值得的。想了解更多相關(guān)信息,可以參看：優(yōu)勢：對CPＵ和GPU的使用進(jìn)行了適當(dāng)?shù)膬?yōu)化。高效的數(shù)字任務(wù)解決能力。劣勢：原生的Ｔheａno相對于其他軟件庫的水平較低,需要與其他軟件庫一起使用,以獲得較高的抽象水平。在AWS上運(yùn)營時(shí)會(huì)有一些Bug。Caffe“深度學(xué)習(xí)的開放式框架,且速度快”，語言：C++。Ｃａfｆe是一個(gè)功能強(qiáng)大的深度學(xué)習(xí)框架。和上述列表中的其他框架相比，它可以實(shí)現(xiàn)快速和有效的深度學(xué)習(xí)式研究。通過Cafｆe，您可以非常容易地為圖像分類，建立卷積神經(jīng)網(wǎng)絡(luò)(convoｌutioｎａｌneｕraｌnetwork，CＮＮ）。Cａffｅ可以有效地工作在ＧPU上,并且在運(yùn)營過程中可以發(fā)揮極快的速度。想了解更多相關(guān)信息，可以參看：Caffe的重要類涉及：優(yōu)勢:可與Pythoｎ和ＭATLAB綁定。運(yùn)營性能極佳。無需編寫代碼,便可實(shí)現(xiàn)對各個(gè)模型的訓(xùn)練。劣勢:對復(fù)發(fā)性的網(wǎng)絡(luò)（recｕｒｒｅntneｔwｏrks)支持不佳。與新架構(gòu)的協(xié)同性不好。Ｋeras“為人類的深度學(xué)習(xí)而打造”,語言：Ｐｙtｈｏn。Ｋeｒａs是一個(gè)用Pｙthon編寫的開源神經(jīng)網(wǎng)絡(luò)庫。不像TeｎsorFlow、CNＴＫ和Theaｎｏ，Ｋｅrａｓ并不服務(wù)于端到端的機(jī)器學(xué)習(xí)框架。相反地，作為一個(gè)接口,它提供了一個(gè)高層次的抽象,這使得無論是在什么樣的框架下，神經(jīng)網(wǎng)絡(luò)都可以方便地進(jìn)行配置。目前谷歌ＴｅnsorFloｗ可以將Kｅras作為后端予以支持,而微軟的CNTＫ是否會(huì)在將來支持Ｋeras，則暫無時(shí)間表。想了解更多相關(guān)信息，可以參看：優(yōu)勢:用戶和諧且容易上手。容易擴(kuò)展。無縫運(yùn)營在CPU和ＧPU上。能與Theano和TensorFloｗ無縫協(xié)作。劣勢：無法作為一個(gè)獨(dú)立的框架被使用。Toｒch（火炬）“一個(gè)開源的機(jī)器學(xué)習(xí)庫”，語言：Ｃ。Ｔorcｈ是一個(gè)為科研和數(shù)值運(yùn)算打造的、開源的機(jī)器學(xué)習(xí)庫。它基于的是Lua編程語言,而非Pyｔhon庫。通過提供大量的算法，它不僅使得深度學(xué)習(xí)研究更為容易，并且能提高效率和速度。Torch具有強(qiáng)大的N維陣列,這對于諸如切片和索引等操作是非常有用的。它還提供了線性代數(shù)的程序和神經(jīng)網(wǎng)絡(luò)的模型。想了解更多相關(guān)信息,可以參看:優(yōu)勢:非常靈活。有極高的速度和效率。具有大量的預(yù)先訓(xùn)練好的模型。劣勢:文檔不清。缺少即插即用的代碼。基于的是一種不那么流行的語言--Lua。Aｃｃorｄ.NET“支持機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺、記錄、以及使用.NEＴ的科學(xué)計(jì)算”，語言:C#。這是為C#程序員準(zhǔn)備的軟件庫，Ａccoｒｄ.NＥT是一種.ＮＥT的機(jī)器學(xué)習(xí)框架,它方便了音頻和圖像的各種解決。該框架可以有效地解決數(shù)值優(yōu)化、人工神經(jīng)網(wǎng)絡(luò)、甚至可視化等方面。除此之外，Aｃｃord.NＥＴ在計(jì)算機(jī)視覺和信號(hào)解決上也具有強(qiáng)大的功能,并且通過一些簡樸的算法就能實(shí)現(xiàn)。想了解更多相關(guān)信息，可以參看：優(yōu)勢:它擁有一個(gè)龐大且活躍的開發(fā)團(tuán)隊(duì)。具有非常好的文檔框架。可實(shí)現(xiàn)質(zhì)量可視化。劣勢:該框架并不是非常流行。比TenｓorFlow要運(yùn)營得緩慢一些。SparkMＬlib“一個(gè)可擴(kuò)展的機(jī)器學(xué)習(xí)庫”，語言:Scala。Apacｈe的SpａrkMLliｂ是一個(gè)極具擴(kuò)展性的機(jī)器學(xué)習(xí)庫。它支持的編程語言有Jaｖa、Scala、Pｙthon、甚至是R語言。它可以非常有效地通過Pyｔhｏn和R語言的Numpy庫(譯者注:NumＰy系統(tǒng)是Pｙｔhｏn的一種開源的數(shù)值計(jì)算擴(kuò)展)進(jìn)行交互操作。MLlｉｂ可以很容易地被植入到Haｄｏoｐ的工作流中。它還能提供諸如分類、回歸、歸并等機(jī)器學(xué)習(xí)的算法。在涉及到大規(guī)模數(shù)據(jù)解決時(shí)，這款功能強(qiáng)大的軟件庫運(yùn)營起來非?？臁Ｏ肓私飧嘞嚓P(guān)信息，可以參看：優(yōu)勢：能極快速地解決大規(guī)模的數(shù)據(jù)。支持多種語言。劣勢：學(xué)習(xí)曲線“陡峭”(即不易學(xué)習(xí)）。只能對Haｄｏoｐ實(shí)現(xiàn)即插即用。Sci-ｋitLearｎ“使用Pythoｎ進(jìn)行機(jī)器學(xué)習(xí)”,語言:Pytｈon。ＳＣI-Kiｔ是一款重要用于在機(jī)器學(xué)習(xí)中構(gòu)建各類模型的、非常強(qiáng)大的Pythｏｎ庫。通過使用諸如Ｎumpy、SciＰy和Ｍａt(yī)plotlib之類的庫，它對于諸如分類、回歸、歸并等記錄模型非常有效。SＣＩ-Kｉt還能為您帶來監(jiān)管式與無監(jiān)管式的學(xué)習(xí)算法、以及交叉驗(yàn)證等功能。想了解更多相關(guān)信息，可以參看:優(yōu)勢:能支持許多主流的算法。提供有效的數(shù)據(jù)挖掘。劣勢：對于構(gòu)建模型來說并非是最佳的。使用GPU時(shí)，效果并非最佳。MLPack“一個(gè)可擴(kuò)展的C++類型機(jī)器學(xué)習(xí)庫”,語言：C++。MLPａｃk是一款運(yùn)用C＋＋來實(shí)現(xiàn)可擴(kuò)展機(jī)器學(xué)習(xí)的軟件庫。由于它運(yùn)營在C++中,因此您完全可以想象到它對內(nèi)存的高效管理。由于在庫中自帶優(yōu)質(zhì)的機(jī)器