人工智能是蓬勃发展的范式。 在过去的几十年中，技术取得了巨大和最剧烈的发展。 人工智能几乎在我们周围的每一个物体中首次亮相。 从总机到手表，每件物品都上线了，这都归功于先进的人工智能范式。 数据是每个业务、机会和风险投资的驱动力。 人工智能是利用这些数据的科学，并通过其发明证明了数据如何帮助将范式提升到难以想象的高度。 在本文中，我们讨论了最适合开发人工智能软件解决方案的工具，这些工具也为范式的进步做出了广泛贡献。 本文讨论的工具是开源的，最适合 Linux 操作系统以及其他一些领先的操作系统。
深度学习4j
Deeplearning4j 是一个开源、工业级、即插即用的分布式深度学习库，适用于 Scala 和 Java 编程语言。 该库经过专门设计和创建，旨在为与业务相关的应用程序提供服务和解决方案。 尽管这并不意味着庞大且增强的库不能适用于其他基于人工智能的软件解决方案。 Deeplearning4j 与具有分布式 GPU 和 CPU 的 Spark 和 Hadoop 集成。
Deeplearning4j 属于 Apache 2.0 许可证和库为 AWS 上的扩展提供 GPU 支持，并适用于微服务架构。
立即从 https://deeplearning4j.org/
咖啡
Caffe 由 Berkeley AI Research (BAIR) 开发并通过增强的社区支持开发，是一种深度学习框架，旨在解决速度、模块化和表达问题。 Caffe 是一个著名的模块化和富有表现力的深度学习框架。 在 BSD 2-Clause 许可下发布的 Caffe 为程序员提供了高效且富有表现力的架构、可扩展的代码、速度以及庞大而活跃的开发者社区。 Caffe 已经适应于在全球范围内开发许多社区项目、启动原型和工业应用程序。
现在从 https://github.com/BVLC/caffe
H2O.ai
H2O.ai 是一个快速、可扩展、开源和分布式的人工智能框架。 该框架支持一系列算法，允许创建直观和最有效的人工智能应用程序和软件解决方案。 H2O.ai 使程序员能够利用深度学习、随机森林、梯度提升、逻辑回归、弹性网络、广义线性建模以及许多此类更多增强的人工智能算法列表来开发智能应用程序。
借助 H2O.ai，开发人员和决策者能够利用框架中提供的最增强和最先进的预测建模机制，对其数据进行更好的预测和分析。
立即开始免费试用 https://www.h2o.ai/freetrial/
Apache Spark MLlib
由软件开发解决方案和信息技术巨头开发， ApacheMLlib 是 Apache Spark 配备了制作高效的基于人工智能的应用程序和软件解决方案所需的最佳工具集。 MLlib 是一个开源、最直观和用户友好、高效、最稳定的机器学习库。 该框架专为部署而设计，可以在现有的 Hadoop 集群和数据上运行。
立即从 https://spark.apache.org/downloads.html
Apache 马豪
另一个开源且高效的人工智能框架 Apache 软件巨头 Mahout 提供机器学习算法来构建高效且可扩展的人工智能软件解决方案和应用程序。 Mahout 为其开发人员提供了一个简单、直观且可扩展的编程工作场所。 它配备了算法 Apache 火花， Apache Flink、H20 以及 Scala。 这 Apache 框架还支持 Samaras，这是一个支持类 R 语法的向量数学实验工作场所。
立即从 https://mahout.apache.org/general/downloads
开放式神经网络
OpenNN 用 C++ 编写，是目前最强大的人工智能框架之一。 强烈推荐免费和开源平台，并在很大程度上适用于设计深度学习软件解决方案。 OpenNN主要用于激活和适应神经网络。 尽管该范例只能由 C++ 开发人员和经验丰富的机器和人工智能专家使用，但它是一个非常强大且被高度采用的人工智能框架。 由于平台特有的深度架构，它确保并保证了极致的高性能。
立即从 https://github.com/Artelnics/OpenNN
羚羊 2
Oryx 2 是著名的 Oryx 项目的延续，是高效 Oryx 平台的增强生产。 Oryx 又是另一款产品 Apache 专家。 Apache 火花和 Apache Kafka 构建了一个产品，可以增强机器学习和深度学习开发体验，专家们共同致力于重新构建 lambda 架构。 使用 Oryx 2，开发人员能够执行实时机器学习开发体验。 该平台还附带某些应用程序，用于协作分类、回归、过滤和聚类目的。
立即从 https://github.com/OryxProject/oryx/releases
开放周期
OpenCyc 是世界上最大、最全面的通用知识库和常识推理引擎的开源门户。 它包括许多 Cyc 术语，这些术语组装在专门设计的本体中，适用于丰富领域特定专家系统、领域建模文本理解、AI 游戏加、语义数据集成等领域的应用程序，不胜枚举。
立即注册一个帐户 https://cyc.com/login/?redirect_to=https://cyc.com/documentation
系统DS
SystemDS 是一个用于机器学习和深度学习范式的开源人工智能平台，以支持大数据而闻名。 它的主要特点是能够在类 Python 和 R 语法上运行，专注于大数据，并且专为高级数学而设计。 它的工作原理在主页上得到了很好的解释，包括一个清晰的视频演示。 有几种使用它的方法涉及 Apache Hadoop， Apache Spark、Jupyter 和 Apache 齐柏林飞艇。 它的一些值得注意的用例包括用于设计机场交通、汽车和社交银行软件解决方案的支持和应用程序开发环境。
立即从 https://systemds.apache.org/download.html
纽门塔
Numenta 是一个高效的开源人工智能框架，用于开发和设计基于新皮质理论的机器学习，即分层临时记忆 (HTM)。 HTM 程序与 Numenta 集成，旨在评估、分析和计算实时流数据，这些数据能够预测即将发生的值并识别任何异常情况。 此外，该平台还可以并行学习数据中存在的基于时间的模式。 该框架的一些重要特性包括时间和空间模式、实时流数据、持续在线学习、预测和建模、分层时间记忆强大的异常检测，等等。
立即从此处获取有关许可的更多详细信息 https://numenta.com/
结束语
人工智能已经包围了我们。 从大学项目到软件公司正在开发的关键软件解决方案，每个人都致力于适应新的范式。 机器学习、深度学习和数据科学是软件工程、计算机工程和信息技术领域的热门话题。 文章总结了目前最好的开源人工智能开发框架。 Deeplearning4j、Caffe、H2O.ai、 Apache 火花 MLlib， Apache Mahout、openNN、Oryx 2、OpenCyc、System DS 和 Numenta 是领先的、最受推荐的和备受赞誉的框架，它们也最适用于 Linux 和其他操作系统。
