翻译：雁惊寒
摘要：本文重点介绍了人工智能在深度学习方面一些重要的可选项，包括每个工具包的主要优缺点以及行业中各自的支持者。以下是译文。
现代人工智能给企业带来了很多好处，同时也大大提升了机器的认知能力。作为计算机科学领域里的一项重要技术，人工智能正以前所未有的速度迅速发展。一项研究成果从学术论文转化为实际的产品仅需几个月的时间。然而，过快的发展速度对于该领域中的新手来说则是一场灾难。除了熟悉人工智能技术之外，从业人员还必须正确选择技术平台。本文重点介绍了人工智能在深度学习方面一些重要的可选项，包括每个工具包的主要优缺点以及行业中各自的支持者。
机器学习和深度学习
当代人工智能技术可分为两类：机器学习和深度学习。目前绝大多数使用的都是前一种，即机器学习。这其中包含了一些数据科学家最常用的算法：线性模型、k均值聚类、决策树等等。虽然我们现在将它们作为人工智能的一部分，但这是数据科学家长期研究的成果。
在过去两年里，人工智能的第二种技术受到了更多的关注和炒作：它是机器学习技术的一种专业化表现，即神经网络，也被称为深度学习。深度学习正吸引着人们对人工智能或“认知”技术的关注，包括图像识别、语音识别、自动玩游戏、自动驾驶车辆以及其他自主车辆。通常，这些应用需要大量的数据来馈送和训练复杂的神经网络。
机器学习的可选项
处理机器学习的工具包在每个常用的统计数据包中都有。常见的商业产品有SAS、SPSS和。常用的开源工具有R和。大数据平台 Spark和也有自己的并行机器学习工具（Spark的MLLIB和 ）。目前，由于存在类似于-learn和这样的项目，正在成为行业数据科学最流行的编程语言。
深度学习的可选项
深度学习工具包的发展非常迅速。学术界和数据巨头，如、百度、，已经在深度学习投入了很多年，他们拥有数套强大的可选方案。因此，新手们面对的选择有很多！每个选择都有着各自不同的优势和生态系统。
这其中很多的深度学习框架的级别都比较低，开发人员使用起来并不方便，而高级库对用户更加友好，更受开发者的青睐。其中最重要的库是Keras，它是用开发的，可创建能在、、CNTK或上运行的深度学习应用程序。
苹果公司在机器学习方面的贡献也值得一提。与上述工具包不同，苹果公司仅为模型提供了执行框架。开发人员必须使用Caffe、Keras或-learn等工具来训练他们的模型，并进行转换，这样才能让应用程序通过苹果公司的来使用它们。
从哪里着手？
Star数量, 2017年2月。 谷歌开发者社区2017年峰会
如果你没有明确的理由要选择哪种方案，那么根据绝大多数开发人员的经验，以及谷歌在人工智能领域中的声誉以及生态系统的重要性，Keras和组合当仁不让地成为最强大的默认选择。 快速增长的人气值使其可以在短期内与大量的数据工具相兼容。例如，你可以参阅最近有关在Spark中和Keras对深度学习支持的公告。
同时，亚马逊网络服务公司对MXNet的强大支持，以及MXNet自身的增长速度和成为项目，使其成为重要的备选方案之一。而微软对Azure的强大支持使得CNTK成为该公司重要的成果。
深度学习是一个快速发展的领域，每个云提供商都将机器学习视为战略目标。幸运的是，他们都选择了开放源代码。随着深度学习的计算资源越来越集中在云和GPU上，开源的代码对于想要研究深度学习的人来说是一个很好的消息。
作为SDCC系列技术峰会的一部分，来自阿里巴巴、微软、商汤科技、第四范式、微博、出门问问、菱歌科技的AI专家，将针对机器学习平台、系统架构、对话机器人、芯片、推荐系统、Keras、分布式系统、NLP等热点话题进行分享。报名地址：
相关文章
