金沙js0888_首頁(欢迎您)

  • <td id="dgejl"><strike id="dgejl"></strike></td>
        1. 值得推荐的五大开源在线机器学习环境

          编译作者: 布加迪 2020-10-15 08:00:00

          【51CTO.com快译】机器学习是一个研究领域,让机器无需直接编程就能学习。由于许多学生、教师、开发者和数据科学家使用机器学习来开发各种项目和产品,机器学习开发方兴未艾。然而,开发机器学习模型对系统规格有很高的要求,因为有时模型训练过程可能需要2小时到2天甚至更久。因此,低端系统无力处理机器学习模型的训练;就算勉强可以训练模型,也很可能会出现严重的系统问题。

          值得推荐的五大开源在线机器学习环境

          然而有许多开源机器学习环境可用,它们对系统规格没有任何要求,可使用云基础架构在最短的时间内训练模型。以下是几种高效和常用的在线机器学习环境:

          1. Google Colaboratory

          这是谷歌提供的一项易于访问的云服务,用于开发产品和项目。它支持免费的GPU,基于Jupyter Notebooks环境。它为所有人提供了一个论坛,以便使用广泛使用的库(比如PyTorch、TensorFlow和Keras),构建机器学习和深度学习应用。它让您的系统可以不必处理机器学习活动的全部工作量。它是同类中最成功的平台之一。

          • 内存—12 GB至26.75 GB
          • 磁盘空间—25 GB
          • CPU核心—2个
          • 支持的语言—Python

          2. IBM Watson

          IBM推出了支持开源解决方案的Watson数据平台和数据科学体验(DSX)。它终于推出了可自由选择的多云平台,以处理数据科学工作。这是借助通过Kubernetes实行容器化来实现的。因而,它可以分布在存储数据的Docker或CloudFoundry容器中。

          • 内存—16GB
          • 磁盘空间—90 GB
          • CPU核心—4个
          • 支持的语言—Apache Spark、Python、R和Scala

          3. Kaggle Kernel

          这是面向云端深度学习和机器学习应用的出色平台。 Kaggle和Colab有诸多相似之处,都是谷歌的产品。它在浏览器中支持Jupyter Notebooks。Jupyter Notebooks的许多键盘快捷方式与Kaggle几乎相同。Kaggle拥有庞大的数据集,还有广泛的社区致力于宣传、学习和验证数据科学技能。GPU和TPU的使用在Kaggle内核中有一些方面的限制。

          • 内存—25GB
          • 磁盘空间—155 GB
          • CPU核心—1个
          • 支持的语言—Python和R

          4. Coclac

          它是用于计算、研究、协作和编写文档的虚拟在线工作区。这包括使用各种科学语言,提供LaTeX、R/knitr或Markdown中的创作文本功能、基于Web的Linux控制台、时间旅行功能以及聊天室和课程管理等网络资源。然而,其大多数功能仅供付费用户使用。

          • 内存—16GB
          • 磁盘空间—20 GB
          • CPU核心—3个
          • 支持的语言—Julia、Octave、Python、SageMath和R Statistics等

          5. Microsoft Azure

          微软的Azure Notebooks在功能上与Colab相似,但以速度取胜,这方面比Colab好得多。Azure Notebooks是一系列链接笔记本,名为Libraries(库)。这些库还能存储您的数据,假设每个数据文件都小于100MB。Azure Notebooks更适合基本应用。Azure仅提供12个月的免费服务。

          • 内存—可变
          • 磁盘空间—可变
          • CPU核心—可变
          • 支持的语言—Python、R和F#

          原文标题:Top 5 Open-Source Online Machine Learning Environments,作者:Rituraj Saha

          【51CTO译稿,合作站点转载请注明原文译者和出处为51CTO.com】

          机器学习 开源
          上一篇:手机黑产为啥没支付宝的份?官方回应:犯罪分子无法突破人脸识别 下一篇:人工智能如何开启数字经济新时代?数字峰会大咖们这样说
          评论
          取消
          暂无评论,快去成为第一个评论的人吧

          更多资讯推荐

          以人工智能促进就业发展

          近年来,人工智能快速发展,成为引领新一轮科技革命与产业变革的核心驱动力,全面深刻地改变着人类的生产和生活方式。我国高度重视人工智能的发展,并将人工智能上升为国家战略。

          吕茵 ·? 12h前
          了解情绪划分:如何使用机器学习来保持积极心态?

          “思考再思考,然后采取行动”,这样的流程是不是听起来很熟悉?大多数人都是这样做的。为了清晰了解情绪的划分,我编写了这个机器学习(ML)程序。

          读芯术 ·? 19h前
          速度超快!字节跳动开源序列推理引擎LightSeq

          LightSeq 可以应用于机器翻译、自动问答、智能写作、对话回复生成等众多文本生成场景,大大提高线上模型推理速度,改善用户的使用体验,降低企业的运营服务成本。

          佚名 ·? 1天前
          金钱能让人更快乐吗?手把手教你用机器学习找到答案

          本文通过“金钱能让人更快乐吗?”等实操案例带你了解基于实例的学习和基于模型的学习。

          华章科技 ·? 2天前
          机器学习在网络管理中有什么应用前景?

          网络正朝着自动化和智能化的趋势发展,企业对人工智能(AI)和机器学习(ML)的需求日益增长,因为它们能够以程序化的方式识别网络问题,并对复杂的问题进行即时诊断。

          李雪薇 ·? 2天前
          无基础人员转行做机器学习可以吗?

          无基础人员转行做机器学习可以吗?机器学习需要一定数学基础,没有相关的了解需要重新学习。转行机器学习不适用所有人,可不可以转行需要具体结合自身的情况。入门机器学习有一定的门槛要慎重决定。

          吾非鱼 ·? 2天前
          全面的数据科学C/C++机器学习库整理,再也不用百度搜了

          C++是动态负载平衡、自适应缓存、开发大型数据框架和库的理想选择。谷歌的MapReduce,MunGDB,下面列出的大多数深度学习库都是用C++实现的。以超低延迟和极高吞吐量著称的Scylla,使用C++作为Apache Casand and Amazon DynDoDB的替代者进行编码。

          为AI呐喊 ·? 2天前
          十大针对机器学习的文本注释工具与服务,你会选用哪个?

          本文将和您探讨目前十大针对机器学习的文本注释工具与服务。您可以根据自己项目的实际情况,从中做出选择并试用。

          陈峻 ·? 2天前
          Copyright?2005-2020 51CTO.COM 版权所有 未经许可 请勿转载
          金沙js0888