人工知能は長い間存在してきました

しかし、この分野の大幅な改善により、近年流行語になっています。 AIは、かつてはオタクや天才の分野として知られていましたが、さまざまなライブラリやフレームワークの開発により、より親しみやすいIT分野になり、多くの人が参加しています。 この記事では、人工知能に使用される最高品質のライブラリ、それらの長所と短所、およびそれらの機能のいくつかを見ていきます。これらのAIライブラリの世界に飛び込んで探検しましょう！ 1.TensorFlow 「スケーラブルな機械学習のためのデータフローグラフを使用した計算。」 画像のタイトル 言語：C ++またはPython。 AIに入るとき、最初に耳にするフレームワークの1つはGoogleのTensorFlowです。 TensorFlowは、データフローグラフを使用して数値計算を実行するためのオープンソースソフトウェアです。このフレームワークは、デスクトップ、サーバー、さらにはモバイルデバイスなど、任意のCPUまたはGPUでの計算を可能にするアーキテクチャを備えていることで知られています。このフレームワークは、Pythonプログラミング言語で利用できます。 TensorFlowは、ノードと呼ばれるデータレイヤーを並べ替え、取得した情報を使用して決定を下します。見てみな！ 画像のタイトル 長所： 習得しやすい言語（Python）を使用しています。 計算グラフの抽象化を使用します。 視覚化のためのTensorBoardの可用性。 短所： Pythonは最速の言語ではないため、低速です。 多くの事前訓練されたモデルの欠如。 完全にオープンソースではありません。 2. Microsoft CNTK 「オープンソース-ディープラーニングツールキット。」 画像のタイトル 言語：C ++。 これは、GoogleのTensorFlowに対するMicrosoftの応答と呼ぶことができます。 MicrosoftのComputationalNetwork ToolKitは、モジュール化と分離計算ネットワークの保守を強化し、学習アルゴリズムとモデル記述を提供するライブラリです。 CNTKは、運用に多数のサーバーが必要な場合に、同時に多数のサーバーを利用できます。 GoogleのTensorFlowに機能的に近いと言われています。ただし、少し高速です。詳細については、こちらをご覧ください。 画像のタイトル 長所： それは非常に柔軟です。 分散トレーニングが可能です。 C ++、C＃、Java、およびPythonをサポートします。 短所： これは、新しい言語であるネットワーク記述言語（NDL）で実装されています。 視覚化の欠如。 3.テアノ 「数値計算ライブラリ」。 画像のタイトル 言語：Python。 TensorFlowの強力な競争相手であるTheanoは、高レベルの効率で多次元配列を含む数値演算を可能にする強力なPythonライブラリです。 ライブラリがCPUの代わりにデータ集約型の計算を実行するためにGPUを透過的に使用することで、操作の効率が高くなります。 このため、Theanoは、約10年間、大規模な計算集約型の操作を実行するために使用されてきました。 ただし、2017年9月に、2017年11月にリリースされた1.0リリース以降、Theanoの主要な開発が終了することが発表されました。 これは、それが決して強力でないライブラリであることを意味するものではありません。それでもいつでもディープラーニングの研究を行うことができます。詳細については、こちらをご覧ください。 画像のタイトル 長所： CPUとGPU用に適切に最適化されています。 数値タスクに効率的です。 短所： Raw Theanoは、他のライブラリと比較してやや低レベルです。 高レベルの抽象化を実現するには、他のライブラリと一緒に使用する必要があります。 AWSでは少しバグがあります。 4.カフェ 「ディープラーニングのための高速でオープンなフレームワーク。」 言語：C ++。 Caffeは強力なディープラーニングフレームワークです。 このリストの他のフレームワークと同様に、ディープラーニングの研究には非常に高速で効率的です。 Caffeを使用すると、画像分類用の畳み込みニューラルネットワーク（CNN）を非常に簡単に構築できます。 CaffeはGPUでうまく機能し、操作中の高速化に貢献します。詳細については、メインページを確認してください。 カフェのメインクラス： 画像のタイトル 長所： PythonとMATLABのバインディングが利用可能です。 素晴らしいパフォーマンス。 コードを記述せずにモデルのトレーニングを可能にします。 短所： リカレントネットワークには適していません。 新しいアーキテクチャではあまり良くありません。 5.ケラス 「人間のための深層学習」。 言語：Python。 Kerasは、Pythonで記述されたオープンソースのニューラルネットワークライブラリです。 TensorFlow、CNTK、Theanoとは異なり、Kerasはエンドツーエンドの機械学習フレームワークを意図したものではありません。 代わりに、インターフェースとして機能し、高レベルの抽象化を提供します。これにより、フレームワークに関係なく、ニューラルネットワークを簡単に構成できます。 GoogleのTensorFlowは現在Kerasをバックエンドとしてサポートしており、MicrosoftのCNTKはほとんどまたはすぐに同じことを行います。詳細については、こちらをご覧ください。 画像のタイトル 長所： それはユーザーフレンドリーです。 簡単に拡張できます。 CPUとGPUの両方でシームレスに実行されます。 TheanoおよびTensorFlowとシームレスに連携します。 短所： 独立したフレームワークとして効率的に使用することはできません。 6.トーチ 「オープンソースの機械学習ライブラリ。」 言語：C。