可能是 2017 最全的机器学习开源项目列表

原文链接：https://my.oschina.net/editorial-story/blog/826663
责任编辑：开源中国 – 局长

摘要: 2016 和 2017 年对机器学习来说都是令人兴奋的，机器学习领域在 2016 年取得了重大的进展，2017 年，热度继续上升

2016 年，似乎所有巨头公司都在做机器学习，如果没有，也是在赶来的路上。所以 2016 或许会因为 “机器学习大热” 而被载入史册。2017，这个热潮并没有消退的迹象，前阵子 AlphaGo 的升级版以横扫千军的姿态战胜几乎所有中国的围棋大师，如入无人之境，最后更是以 60 连胜完美收官。人们对于机器学习的热情再度被点燃起来。

机器学习的热度如此高，大家也许会需要查找相关资源进行学习和研究。本文整理了一份优秀的开源的有关机器学习的框架 、平台、系统、库和工具包的列表。

平台和系统

• TensorFlow — TensorFlow 是谷歌的第二代机器学习系统，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
• PaddlePaddle — 百度研发的深度学习平台，具有易用，高效，灵活和可伸缩等特点，为百度内部多项产品提供深度学习算法支持
• Apache SINGA — SINGA 是基于大型数据集训练，大型深度学习模块的常规分布式学习平台。SINGA 支持各种流行的深度学习模块
• Scikit Flow —  TensorFlow 的简化接口，模仿 Scikit 学习，用户可在预测分析和数据挖掘中使用
• VELES — 分布式深度学习应用系统，用户只需要提供参数，剩下的都可以交给 VELES。VELES 是三星开发的另一个 TensorFlow
• SpeeDO — 为通用硬件设计的并行深度学习系统。SpeeDO 不需要特殊的 I/O 硬件，支持 CPU/GPU 集群，可以很方便地在各种云端环境上部署，如 AWS、Google GCE、Microsoft Azure 等等

框架

• Torchnet — Facebook 为加快 A.I 研究而开源的深度学习框架
• LightGBM — 微软开源的一个实现 GBDT 算法的框架，支持高效率的并行训练。旨在解决 GBDT 在海量数据遇到的问题，让 GBDT 可以更好更快地用于工业实践
• Guagua — Hadoop 迭代式计算框架 Guagua 是 PayPal 的一个开源机器学习框架 Shifu 的子项目，主要解决模型训练的分布式问题
• Chainer — Chainer 在深度学习的理论算法和实际应用之间架起一座桥梁，深度学习的灵活框架
• Shifu — 基于 Hadoop 的快速和可伸缩的机器学习框架
• KeystoneML — 用 Scala 编写的框架，旨在简化构造大规模、端到端的机器学习管道，基于 Apache Spark 构建
• LightNet — 轻量级，多功能，完全基于 Matlab 的深度学习框架。目的是为深度学习研究提供一个易于理解、易于使用和高效的计算平台
• DeepLearningKit — 针对 iOS、OS X 和 tvOS 的开源深度学习框架
• GoLearn — GoLearn 是一款 Go 语言实现的机器学习框架
• YCML — 使用 Objective-C 编写的机器学习框架，也支持 Swift

工具包和库

• DMTK — 微软开源的分布式机器学习工具包，包括 DMTK 分布式机器学习框架、用于训练主题模型的 LightLDA以及分布式词向量
• CNTK — 微软开源的用于语音识别的深度学习工具包，借助 GPU 的能力，该工具包的效率相当高
• DSSTNE — 亚马逊开源的深度学习工具，能同时支持两个图形处理器（GPU）参与运算，主要用作智能搜索和推荐
• Scikit-learn — Python 的机器学习项目，简洁、高效的算法库，提供一系列的监督学习和无监督学习的算法，用于数据挖掘和数据分析。SciKit-learn 几乎覆盖了机器学习的所有主流算法
• Deeplearning4j — 为 Java 和 Scala 编写的首个商业级开源分布式深度学习库，为商业环境所设计，以即插即用为目标，通过更多预设的使用，避免太多配置，让非研究人员也能够进行快速的原型制作
• MXNet — 轻量级且灵活高效的深度学习库，允许使用混合符号编程和命令式编程
• CaffeOnSpark — 雅虎开源的基于 Hadoop/Spark 的分布式深度学习包
• BigDL — 英特尔开源的基于 Apache Spark 的分布式深度学习库，支持高性能大数据分析
• Swift AI — 高性能的人工智能和机器学习库，完全用 Swift 编写，目前支持  iOS 和 OS X，包括一组人工智能和机器学习的通用工具
• Gorgonia —  Go 机器学习库，用于撰写和评估多维数组的数学公式。与 Theano 和 TensorFlow 理念相似，支持 GPU/CUDA，支持分布式计算
• Shark C++ — 快速、模块化、功能丰富的开源 C++ 机器学习库，提供了各种机器学习相关技术，比如线性/非线性优化、基于内核学习算法、神经网络等
• MLPACK — C++ 的机器学习库，亮点在于其扩展性、高速性和易用性。旨在让新用户通过简单、一致的 API 使用机器学习，同时为专业用户提供 C++ 的高性能和最大灵活性
• smile — 包含各种现有的机器学习算法的 Java 库。例如邻接表和矩阵图算法、基于 Swing 的可视化库等
• PredictionIO — 开源的机器学习服务器，开发工程师和数据分析师可以使用它构建智能应用程序，还可以做一些预测功能，比如个性化推荐、发现内容等
• Aerosolve — 支撑 Airbnb 定价建议系统的机器学习引擎
• Vowpal Wabbit — 机器学习系统，它利用诸如在线，散列，减少，缩减，学习，搜索，主动和交互式学习等技术推动机器学习技术的前沿发展
• Apache SystemML — SystemML 是灵活的、可伸缩机器学习 (ML) 语言，使用 Java 编写。它提供自动优化功能，通过数据和集群特性保证高效和可伸缩。SystemML 可在 MapReduce 或者 Spark 环境中运行