• TensorFlow最初是由研究人員和工程師在Google機(jī)器智能研究組織的Google Brain團(tuán)隊(duì)中開發(fā)的。 該系統(tǒng)旨在促進(jìn)機(jī)器學(xué)習(xí)的研究，并使其從研究原型到生產(chǎn)系統(tǒng)的快速和輕松過渡。

Github URL: Tensorflow

圖片.png

• Scikit-learn
• 是用于數(shù)據(jù)挖掘和數(shù)據(jù)分析的簡單而有效的工具，可供所有人訪問，并可在各種環(huán)境中重用，基于NumPy，SciPy和matplotlib，開源，商業(yè)可用 - BSD許可證。

Github URL: Scikit-learn

圖片.png

• Keras：高級神經(jīng)網(wǎng)絡(luò)API，用Python編寫，能夠在TensorFlow，CNTK或Theano之上運(yùn)行。

Github URL: Keras

• PyTorch張量和動態(tài)神經(jīng)網(wǎng)絡(luò)，具有強(qiáng)大的GPU加速功能。

Github URL: pytorch

• Theano允許您有效地定義，優(yōu)化和評估涉及多維陣列的數(shù)學(xué)表達(dá)式。

Github URL: Theano

• Gensim 具有可擴(kuò)展的統(tǒng)計(jì)語義，分析語義結(jié)構(gòu)的純文本文檔，檢索語義相似的文檔等功能。

Github URL: Gensim

-Caffe以表達(dá)，速度和模塊化為基礎(chǔ)的深度學(xué)習(xí)框架。 它由伯克利視覺和學(xué)習(xí)中心(BVLC)和社區(qū)貢獻(xiàn)者開發(fā)。

Github URL: Caffe

• Chainer：基于Python的獨(dú)立開源框架，適用于深度學(xué)習(xí)模型。 Chainer提供靈活，直觀和高性能的方法來實(shí)現(xiàn)全方位的深度學(xué)習(xí)模型，包括最新的模型，如遞歸神經(jīng)網(wǎng)絡(luò)和變分自動編碼器。

Github URL: Chainer

• Statsmodels: 允許用戶瀏覽數(shù)據(jù)，估計(jì)統(tǒng)計(jì)模型和執(zhí)行統(tǒng)計(jì)測試。 描述性統(tǒng)計(jì)，統(tǒng)計(jì)測試，繪圖函數(shù)和結(jié)果統(tǒng)計(jì)的廣泛列表可用于不同類型的數(shù)據(jù)和每個估算器。

Github URL: Statsmodels

• Shogun是機(jī)器學(xué)習(xí)工具箱，提供各種統(tǒng)一和高效的機(jī)器學(xué)習(xí)（ML）方法。 工具箱無縫地允許輕松組合多個數(shù)據(jù)表示，算法類和通用工具。
• Github URL: Shogun
• Pylearn2機(jī)器學(xué)習(xí)庫。 它的大部分功能都建立在Theano之上。 這意味著您可以使用數(shù)學(xué)表達(dá)式編寫Pylearn2插件（新模型，算法等），Theano將為您優(yōu)化和穩(wěn)定這些表達(dá)式，并將它們編譯為您選擇的后端（CPU或GPU）。

Github URL: Pylearn2

• NuPIC是一個基于新皮層理論的開源項(xiàng)目，稱為分層時間記憶（HTM）。 HTM理論的一部分已經(jīng)在應(yīng)用中得到實(shí)施，測試和使用，HTM理論的其他部分仍在開發(fā)中。

Github URL: NuPIC

• Nilearn:基于Python的深度學(xué)習(xí)庫。 它提供易用性，同時提供最高性能。

Github URL: Nilearn

• Orange3:Python工具箱進(jìn)行多變量統(tǒng)計(jì)，并使用預(yù)測建模，分類，解碼或連接分析等應(yīng)用程序。

Github URL: Orange3

• Pymc: 實(shí)現(xiàn)貝葉斯統(tǒng)計(jì)模型和擬合算法，包括馬爾可夫鏈蒙特卡羅。 其靈活性和可擴(kuò)展性使其適用于大量問題。

Github URL: Pymc

-Deap: 一種新穎的進(jìn)化計(jì)算框架，用于快速原型設(shè)計(jì)和思想測試。 它旨在使算法明確，數(shù)據(jù)結(jié)構(gòu)透明。 它與多處理和SCOOP等并行機(jī)制完美協(xié)調(diào)。

Github URL: Deap

• Annoy (Approximate Nearest Neighbors Oh Yeah)是一個帶有Python綁定的C ++庫，用于搜索空間中接近給定查詢點(diǎn)的點(diǎn)。 它還創(chuàng)建了大型只讀基于文件的數(shù)據(jù)結(jié)構(gòu)，這些數(shù)據(jù)結(jié)構(gòu)映射到內(nèi)存中，以便許多進(jìn)程可以共享相同的數(shù)據(jù)。

Github URL: Annoy

• PyBrain是一個用于Python的模塊化機(jī)器學(xué)習(xí)庫。 其目標(biāo)是為機(jī)器學(xué)習(xí)任務(wù)和各種預(yù)定義環(huán)境提供靈活，易用且功能強(qiáng)大的算法，以測試和比較您的算法。

Github URL: PyBrain

• Fuel是一個數(shù)據(jù)管道框架，可為您的機(jī)器學(xué)習(xí)模型提供所需的數(shù)據(jù)。 它計(jì)劃由 Blocks和Pylearn2神經(jīng)網(wǎng)絡(luò)庫使用。

最后給大家分享一些學(xué)習(xí)的資料
需要的小伙伴關(guān)注小編，領(lǐng)取方式加簡介v哦