认识达内从这里开始

随着互联网的不断发展，使用python编程开发语言来进行机器学习已经成为了一些程序员在学习人工智能技术的时候会使用的一种方法了，下面我们就一起来了解一下，python编程在机器学习领域都有哪些库可以使用。

一、SciKit-Learn

Scikits是SciPyStack的附加软件包，专为特定功能(如图像处理和辅助机器学习)而设计。在后者方面，其中突出的一个是scikit-learn。该软件包构建于SciPy之上，并大量使用其数学操作。

scikit-learn有一个简洁和一致的接口，可利用常见的机器学习算法，让我们可以简单地在生产中应用机器学习。该库结合了质量很好的代码和良好的文档，易于使用且有着非常高的性能，是使用Python进行机器学习的实际上的行业标准。

深度学习：Keras/TensorFlow/Theano

在深度学习方面，Python中突出和方便的库之一是Keras，它可以在TensorFlow或者Theano之上运行。让我们来看一下它们的一些细节。

二、Theano

让我们谈谈Theano。Theano是一个Python包，它定义了与NumPy类似的多维数组，以及数学运算和表达式。该库是经过编译的，使其在所有架构上能够高效运行。这个库初由蒙特利尔大学机器学习组开发，主要是为了满足机器学习的需求。

要注意的是，Theano与NumPy在底层的操作上紧密集成。该库还优化了GPU和CPU的使用，使数据密集型计算的性能更快。

效率和稳定性调整允许更精确的结果，即使是非常小的值也可以，例如，即使x很小，log(1+x)也能得到很好的结果。

三、TensorFlow

TensorFlow来自Google的开发人员，它是用于数据流图计算的开源库，专门为机器学习设计。它是为满足Google对训练神经网络的高要求而设计的，是基于神经网络的机器学习系统DistBelief的继任者。然而，TensorFlow并不是谷歌的科学专用的——它也足以支持许多真实世界的应用。

TensorFlow的关键特征是其多层节点系统，可以在大型数据集上快速训练人工神经网络。这为Google的语音识别和图像识别提供了支持。

四、Keras

我们来看看Keras。它是一个使用高层接口构建神经网络的开源库，它是用Python编写的。它简单易懂，具有高级可扩展性。它使用Theano或TensorFlow作为后端，但Microsoft现在已将CNTK(Microsoft的认知工具包)集成为新的后端。

其简约的设计旨在通过建立紧凑型系统进行快速和容易的实验。

Keras极其容易上手，而且可以进行快速的原型设计。它完全使用Python编写的，所以本质上很高层。它是高度模块化和可扩展的。尽管它简单易用且面向高层，但Keras也非常深度和强大，足以用于严肃的建模。

Keras的一般思想是基于神经网络的层，然后围绕层构建一切。数据以张量的形式进行准备，一层负责输入张量，后一层用于输出。模型构建于两者之间。

【免责声明】：本内容转载于网络，转载目的在于传递信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。