下面是一系列旨在并開發(fā)成用于支持 AI 的平臺，允許你用在 Linux 或可能許多其它的操作系統(tǒng)上。名單排列順序沒有先后。

1.Deep Learning For Java（Deeplearning4j）

Deeplearning4j 是 Java 和 Scala 編程語言的，商業(yè)級的，開放源碼的，即插即用，分布式的深度學(xué)習(xí)庫。它專為企業(yè)相關(guān)的應(yīng)用程序而設(shè)計，并在分布式 CPU 和 GPU 的基礎(chǔ)上繼承了 Hadoop 和 Spark。

DL4J 在 Apache 2.0 許可證下發(fā)布，提供 GPU 支持 AWS，并適用于微服務(wù)架構(gòu)。

官方網(wǎng)站：//deeplearning4j.org/

2.Caffe ——深度學(xué)習(xí)框架

Caffe 是一個基于速度的模塊化和富有表現(xiàn)力的深度學(xué)習(xí)框架。它在 BSD 2-Clause 許可下發(fā)布，并且已經(jīng)在諸如研究，啟動原型，以及視覺、語音及多媒體等工業(yè)應(yīng)用領(lǐng)域支持了若干社區(qū)項目。

官方網(wǎng)站：//caffe.berkeleyvision.org/

3. H20 ——分布式機器學(xué)習(xí)框架

H20 是一個開源的，快速的，可擴展和分布式的機器學(xué)習(xí)框架，還有框架配備的算法。它支持更智能的應(yīng)用程序，如深度學(xué)習(xí)，梯度 boosting，隨機森林，廣義線性模型（即邏輯回歸，彈性網(wǎng)絡(luò)）等等。

這是一個面向業(yè)務(wù)用于決策數(shù)據(jù)的人工智能工具，它能夠讓用戶使用更快更好的預(yù)測模型來繪制來自于他們對數(shù)據(jù)的見解。

官方網(wǎng)站：//www.h2o.ai/

4. MLlib ——機器學(xué)習(xí)庫

MLlib是一個開源的，易于使用和高性能的機器學(xué)習(xí)庫，作為Apache Soark的一部分而開發(fā)。本質(zhì)上它易于部署，并且可以在現(xiàn)有的 Hadoop 群集和數(shù)據(jù)上運行。

MLlib 還附帶分類、回歸、推薦、聚類、生存分析等等的算法集合。重要的是，它可以用于 Python、Java、Scala 和 R 編程語言。

官方網(wǎng)站：//spark.apache.org/mllib/

5.Apache Mahout

Mahout 是一個開源框架，設(shè)計用于構(gòu)建可拓展的機器學(xué)習(xí)應(yīng)用程序，它有以下三個顯著的特點：

1）提供簡單和可擴展的編程工作場所

2）提供 Scala+ Apache Spark，H20 以及 Apache Flik 的各種預(yù)包裝算法

3）包括 Samaras，矢量數(shù)學(xué)實驗帶有 R 之類語法的工作場所

官方網(wǎng)站：//mahout.apache.org/

6.Open Neural Networks Library（OpenNN）

OpenNN 也是一個用 C ++ 編寫的用于深度學(xué)習(xí)的開源類庫，用于煽動神經(jīng)網(wǎng)絡(luò)。然而，它只是有經(jīng)驗的 C ++ 程序員和有極高機器學(xué)習(xí)技能人員的最佳選擇。它側(cè)重于深度架構(gòu)和高性能。

官方網(wǎng)站：//www.opennn.net/

7. Oryx 2

Oryx 2 是初始 Oryx 項目的延續(xù)，是在 Apache Spark 和 Apache Kafka 的基礎(chǔ)上作為 lambda 架構(gòu)的重新架構(gòu)而開發(fā)的，雖然專用于實現(xiàn)實時機器學(xué)習(xí)。

它是一個應(yīng)用程序開發(fā)和附帶某些應(yīng)用程序用于協(xié)同過濾、分類、回歸和集群用途的平臺。

官方網(wǎng)站：//oryx.io/

8. OpenCyc

OpenCyc 是一個開源門戶，面向最大和最全面的通用知識基礎(chǔ)和常識推理引擎。它包括大量 Cyc 術(shù)語，用一種精確設(shè)計的方式排列，在針對應(yīng)用程序諸如這樣的領(lǐng)域：

·豐富的領(lǐng)域建模

·特定領(lǐng)域的專家系統(tǒng)

·文本的理解

·語義數(shù)據(jù)集成以及AI游戲等等。

官方網(wǎng)站：//www.cyc.com/platform/opencyc/

9.Apache SystemML

SystemML 是用于機器學(xué)習(xí)非常適合大數(shù)據(jù)的開源人工智能平臺。其主要特點是——運行在 R 和 Python 這樣的語法上，專注于大數(shù)據(jù)并專門針對高層次數(shù)學(xué)而設(shè)計。它是如何工作的在主頁上有很好的解釋，其中包括明確說明的視頻演示。

有幾種方法來使用它，包括 Apache Spark、Apache Hadoop、Jupyter 和 Apache Zeppelin。一些顯著用途包括汽車，機場交通和社會銀行業(yè)。

官方網(wǎng)站：//systemml.apache.org/

10. NuPIC

NuPIC 是一個開源框架，用于機器學(xué)習(xí)的開源框架，基于 Heirarchical Temporary Memory (HTM)，一個新皮層理論。集成了 NuPIC的HTM 程序可實施分析實時的流數(shù)據(jù)，并且它在那里可學(xué)習(xí)到現(xiàn)有數(shù)據(jù)的基于時間的模式，預(yù)測即將值以及揭示任何不規(guī)則性行為。

它的顯著特點包括：

·持續(xù)在線學(xué)習(xí)

·時空格局

·實時流數(shù)據(jù)

·預(yù)測和建模

·強大的異常檢測

·分層時間記憶

官方網(wǎng)站：//numenta.org/

隨著對 AI 研究的提升和不斷進步，我們必將見證更多工具的涌現(xiàn)，它們幫助這一技術(shù)領(lǐng)域取得成功，特別是對于解決日常的科學(xué)挑戰(zhàn)以及用于教育目的。

本文轉(zhuǎn)自（）

>>>>查看更多開源 Linux相關(guān)工具、資訊

【2016年終盛“惠” 溫情啟幕，正版授權(quán)壕禮送不停 ！點擊查看】