人工智慧是一個正在迅速發展的領域，並日益成為一種主流。要想跟上人工智慧技術的發展，最好的方法就是學習深度學習中的新技術。以下這 8 個開源工具，可以幫助你輕鬆實現深度學習。
1.TensorFlow
這個強大的工具包開發於 2015 年，被譽為機器/深度學習中最容易使用和部署的工具之一。
TensorFlow 最初是由谷歌大腦團隊建立的，用於處理其研究和生產目標，該專案構建了深度神經網路來執行自然語言處理、影象識別和翻譯等任務。由於它提供了大量的免費工具、庫和社群資源，現在它的使用甚至被 Uber、Twitter 和 eBay 等公司廣泛接受。
它可用於 Python、Haskell、C++、Java 甚至是 JavaScript。
2.Keras
Keras 由 Python 編寫，最初發佈於 2015 年，是一種高階神經網路 API，旨在簡化機器學習和深度學習，可以在 TensorFlow 或 Theano 之上部署。
Keras 以其高度的廣泛性、模組化、易用的特點，透過簡單的原型設計實現了快速的實驗，在 CPU 和 GPU 上高效執行，這對研究工作至關重要。
3.PaddlePaddle
並行分散式深度學習，又稱 PaddlePaddle，具有易用、高效、靈活和可伸縮等特點。
這是百度研發的深度學習平臺，為百度內部多項產品提供深度學習演算法支援。它在 2016 年向專業社群開源，具有深度學習的先進功能、端到端的開發工具包，受到製造業和農業部門的使用者青睞。
4.PyTorch
這個開源工具包使用 Python 指令碼語言，一般用於 自然語言處理和計算機視覺。它具有強大的 GPU、記憶體使用效率和動態計算圖，這使得它在協助開發 動態神經網路方面很受歡迎，並能夠根據使用者的要求建立圖形和視覺化。
5.Theano
這個開源庫釋出於 2007 年，使用 Python 編寫指令碼，允許使用者定義、定製和評估數學表示式，從而使深度學習模型的形成變得容易。由於它是最古老的可自由使用的庫之一，它激發了深度學習的發展，導致了高效的符號微分（symbolic differentiation）。
6.Weka
Weka 最初是作為一個機器學習開源工具包開發的，它還具有深度學習包的功能，無論是在包管理、分類還是視覺化方面，它都可以在一個簡單的介面使用中進行更復雜的分析。它是一個 Java 應用程式，但可以透過應用程式設計介面用於 R 或 Python。因為它最初是為了一個教學平臺而開發的，一般只限於教學工具或者小專案。
7.Caffe
Caffe（Convolutional Architecture for Fast Feature Embedding，意即快速特徵嵌入的卷積架構）是一個開源的深度學習網路，是為速度、表達和模組化設計的。它使用了 C++，但也有一個 Python 介面。它由伯克利人工智慧研究團隊於 2017 年開發併發布，它有一個精心設計的架構，良好的程式碼編寫和快速的效能，可以快速實現工業部署。
9.Torch
Torch 最初是在 2002 年作為機器學習庫開發和釋出的，它提供了一系列用於深度學習的演算法，重點是 GPU，並提供 iOS 和 Android 平臺支援。它由指令碼語言 LUA 和底層的 C 元件組成，使得它使用起來簡單、高效、快速。
作者介紹：
Rancho Labs，科技愛好者自媒體，培養年輕人的思維，使他們在程式設計/機器人技術/人工智慧領域站穩腳跟。
原文連結：
https://rancholabs.medium.com/open-source-tools-for-deep-learning-f4d68c2a39cd
