Principals biblioteques d'aprenentatge automàtic C / C ++ per a ciències de dades

Bloc

Principals biblioteques d'aprenentatge automàtic C / C ++ per a ciències de dades

Introducció i motivació: per què C ++

C ++ és ideal per a equilibrat de càrrega dinàmic , ** emmagatzematge en memòria cau adaptativa, ** i ** desenvolupament de grans marcs de big data, ** i biblioteques. De Google MapReduce, MongoDB , la majoria de biblioteques d’aprenentatge profund que s’enumeren a continuació implementat mitjançant C ++. Escil·la coneguda per la seva latència ultra baixa i extremadament alt rendiment es codifica amb C ++ actua com a substitut de Apache Cassandra i Amazon DynamoDB .



Amb alguns dels fitxers únic avantatges de C ++ com a llenguatge de programació, (inclòs gestió de memòria, ** característiques de rendiment, ** i programació de sistemes ), definitivament serveix com una de les eines més ** eficients ** per al desenvolupament de biblioteques de Data Science i Big Data escalables ràpidament.

Més lluny, Julia (a compilat i interactiu llenguatge: desenvolupat a partir de AMB ) s’està convertint en un potencial competidor de Python en el camp de la informàtica científica i el processament de dades. La seva velocitat de processament ràpida, el seu paral·lelisme, estàtica juntament amb la tipificació dinàmica i les connexions C ++ per connectar biblioteques, ha facilitat la feina als desenvolupadors / científics de dades per integrar i utilitzar ** C ++ ** com a ciència de dades i biblioteca de grans dades.



Vegem de prop les diferents biblioteques C ++ que poden ser útils per a tots els científics de dades per a models d’aprenentatge tradicional i profund.

1. TensorFlow de Google AI



Popular Deep Learning Library desenvolupat per Google amb el seu propi ecosistema d’eines, biblioteques i recursos de la comunitat que permet als investigadors i desenvolupadors construir i desplegar aplicacions basades en ML.

https://www.tensorflow.org/lite/microcontrollers/library https://github.com/tensorflow/serving

2. Cafè de Berkeley

Convolutional Architecture for Fast Feature Embedding or Caffe està escrit en C ++ per a un marc d'aprenentatge profund, ha estat desenvolupat pel Berkeley Vision and Learning Center.

https://github.com/intel/caffe

3. Microsoft Cognitive Toolkit (CNTK)

on comprar moneda ergo

Microsoft Cognitive Toolkit és un conjunt d'eines d'aprenentatge profund que ajuda a traduir les xarxes neuronals com una sèrie de passos computacionals a través d'un gràfic dirigit.

4. Biblioteca mlpack

mlpack : És una biblioteca d’aprenentatge automàtic flexible i ràpida, escrita en C ++. Que proporciona algorismes d’aprenentatge automàtic d’avantguarda amb enllaços Python, enllaços Julia i classes C ++.

5 . ** DyNet **

Joc d'eines de xarxes neuronals dinàmiques (admet gràfics computacionals sobre la marxa) o DyNet és una biblioteca de xarxes neuronals d’alt rendiment escrita en C ++ (amb enllaços a Python) que s’executa de manera eficient a la CPU o GPU. Té suport per al processament del llenguatge natural, estructures gràfiques, aprenentatge de reforç i altres similars.

# aprenentatge automàtic # programació-ciència de dades

hackernoon.com

Principals biblioteques d'aprenentatge automàtic C / C ++ per a ciències de dades

Vegem de prop les diferents biblioteques C ++ que poden ser útils per a tots els científics de dades per a models d’aprenentatge tradicional i profund.