O’Reilly一项面向技术、金融、医疗等行业1300余人的调查显示多数企业仍处于机器学习评估阶段当前最常用工具集中于模型可视化与自动超参数调优。监督学习仍是主流即用大量标注数据训练模型如用标注图片训练计算机视觉模型。以下是企业常用的机器学习工具分类介绍软件库与框架TensorFlow谷歌出品支持CPU、GPU及专用芯片如TPU的分布式数值计算广泛用于模型训练。scikit-learnPython中最流行的数据挖掘与分析库集成多种经典算法。PyTorch开源深度学习框架以易学性著称覆盖管道全阶段。Keras高层神经网络API用Python编写可运行于TensorFlow、CNTK或Theano之上侧重易用性。云套件Azure ML Studio微软云服务支持构建、训练和部署模型并提供自动化调参与扩缩容能力。谷歌云机器学习引擎类似Azure提供训练、评估、调参与部署的全套工具。亚马逊SageMaker同样覆盖模型全生命周期旨在加速生产部署并降低成本。大数据与专用工具H2O开源内存计算平台支持主流统计与机器学习算法能跨分布式系统扩展并提供自动化模型调优。Prodigy简化数据标注流程辅助训练和评估模型。Spark NLP专为Apache Spark分布式环境设计的自然语言处理库。OpenAI Gym用于强化学习算法开发与比较的工具包通过奖励机制训练智能体。Analytics Zoo统一AI平台整合Spark、TensorFlow、Keras和BigDL支持跨Hadoop/Spark集群扩展。AllenNLP面向NLP研究的框架提供高质量模型参考实现。RayRise Lab高性能、容错的分布式执行框架用于扩展机器学习工作负载。
