Infer.NET基于模型的机器学习框架
Infer.NET 是一个在图形模型中运行贝叶斯推理的框架,它也可以用于概率编程。可以使用 Infer.NET 来解决许多不同类型的机器学习问题,包括分类、推荐或集群等标准问题与针对特定领域问题的定制解决方案。Infer.NET 目前已被广泛应用于各个领域,包括信息检索、生物信息学、流行病学、视觉以及许多其它领域。
Infer.NET 项目是英国剑桥微软研究中心的一个团队于 2004 年启动的,在那之后于 2008 年将其发布用于学术用途。在微软的 AI 新世界中,该技术已经发展成为机器学习引擎并进入 Office 和 Azure 以及 Xbox 上的游戏应用程序。
采用基于模型的方法进行机器学习,开发人员为框架提供模型,然后框架直接从提供的模型中生成机器学习算法。许多学习模型要求程序员将他们的模型映射到预先存在的学习算法,然而,Infer.NET 却是反过来的一个过程,这是 Infer.NET 的优势。开发者认为随着人工智能软件变得越来越流行,解释系统行为变得越来越重要,用户应该可以在给定模型的情况下找出系统以某种方式表现的原因。
Infer.NET 是跨平台的,支持 .NET Framework 4.6.1、.NET Core 2.0 和 Mono 5.0,Windows 用户可以在 Visual Studio 2017 中使用,而 macOS 和 Linux 人员可以使用命令行选项将其整合到所选择的代码管理器中。
评论
Angel基于参数服务器理念的机器学习框架
Angel 是一个基于参数服务器(ParameterServer)理念开发的高性能分布式机器学习平台,它基于腾讯内部的海量数据进行了反复的调优,并具有广泛的适用性和稳定性,模型维度越高,优势越明显。
Angel基于参数服务器理念的机器学习框架
0
BodyPix开源的机器学习模型
BodyPix是一种开源的机器学习模型,可在浏览器中使用 TensorFlow.js 对人物及身体部位进行分割。默认设置下,该模型可在2018版15英寸MacBookPro以及iPhoneX上分别以2
BodyPix开源的机器学习模型
0
Fuzzy机器学习框架
Fuzzy机器学习框架是一个程序库和一个使用直觉模糊数据的机器学习的GUI前端。该方法是基于直觉模糊集和可能性理论。进一步的特点是模糊的功能和类;基于语言变量的数值,枚举的功能和特点;用户自定义特征;
Fuzzy机器学习框架
0