選自hopinfirst.com
作者：James Tredwell
本文介紹了適用於移動端的 10 個機器學習框架，包括針對計算機的機器學習框架和針對手機端的優化性能的框架。
當今，機器學習及其相關框架和工具包已經成爲業務概念，消除了對人工及勞動密集型任務的需求，並且相較於人類而言可以極快地從海量數據中提取出有價值信息。
儘管我們已經可以在臺式計算機和性能優良的筆記本上運行神經網絡，但是智能手機和平板電腦的原始處理能力太低，無法本地運行算法。因此，智能手機中的 AI 應用通常是藉助於向一個更強大的處理服務器發送 API 請求，由其運行實際的計算，並把數據輸出給手機來執行。
這就是爲什麼本文列表分爲兩部分：針對計算機的更強大的機器學習框架和針對移動端的優化性能的框架。
計算機機器學習框架
該列表包含運行在適當硬件上的一般框架，可以處理海量的數據集。
谷歌 TensorFlow
GitHub 中有超過一半的機器學習項目使用了 TensorFlow，其完整版本是當下最爲流行的 ML 工具集。藉助來自第三方開發者的數百個附件、插件和模塊，TensorFlow 幾乎可以完成所有的 ML 任務，諸如產品推薦、語音識別、人臉識別和物體識別等。
亞馬遜機器學習（AML）
亞馬遜機器學習來自亞馬遜社區，通過教程、指南等資源幫助開發者構建複雜而高級的 AI。AML 不僅具備訓練神經網絡的一系列常用功能，還可以在 AWS cloud 上實現部署，並具備連接 Alexa 或其他亞馬遜服務的完整 API。該社區同樣在實例和附件方面做出了大量貢獻。
微軟 CNTK
CNTK 是由微軟開發的強大工具包，它在企業級應用上尤其常用，所有最常用的神經網絡（如前饋神經網絡、循環神經網絡、並行神經網絡）都可以使用同樣的代碼開發。大量內置功能簡便了驗證、API 和服務器本地化設置。
MXNet
MXNet 是該列表中的第一個 Apache 項目；它是一個有前景、活躍的框架，可應用於移動端，即你可以在任何安卓或 iOS 設備上訓練數據、運行計算集（computed set），該框架也可在 Linux 和 Windows 計算機上運行。MXNet 在 GitHub 上有 12000 多個 star，是 GitHub 最流行的框架之一，部分原因在於它可以使用不同的語言來寫，如 Python、Rust、Scala、Go 和 Java，還有一部分原因是它具備大量的社區內容。
MLlib
Apache 在 AI 和 ML 很活躍。該框架具備大量工具和包，允許程序員構建智能應用。MLlib 可以在 Hadoop 或 Apache Spark 上輕鬆設置，它能做的內容不僅僅是與 API 進行通信，可用於圖像分類、線性迴歸、決策樹等等。
移動端機器學習框架
谷歌 TensorFlow Lite
目前最完整的免費移動端解決方案就是 TensorFlow Lite，它最初適用於安卓機，不過一些人也在 iOS 設備上實現了該框架。其關鍵特徵是低延遲進行實時圖像處理、可用於安卓機的硬件加速，以及使計算速度快於 TensorFlow 完整版的量化內核（quantized kernel）。
Caffe2
Caffe2 從 Caffe 發展而來，使用模塊化方法進行機器學習。該精簡版允許選擇任意給定項目所需的模型和工具，無需添加額外的 bloat。其主要特徵是移動端部署，允許開發者在手機上實時運行不同的神經網絡計算。
Bender
該框架很有前景，使用了不同的方法和蘋果自己的 Core ML。該框架使用 iPhone 的移動 GPU 着色器工具包 Metal Performance Shaders，允許 iPhone 用戶利用 GPU 運行機器學習算法，儘管它主要還是用於運行預訓練數據，像 Core ML 一樣。
Quantized-CNN
如名稱所示，該框架適合運行並行神經網絡。對於爲計算機構建的大型框架，Quantized-CNN 只在準確率上稍有降低，爲在移動設備上完全運行圖像分類提供了輕量級的解決方案。
蘋果 Core ML
隨着機器學習和移動應用的流行，蘋果發佈了 Core ML 庫，允許移動應用開發者在強大的計算機上訓練模型，然後將其保存在手機上，並運行模型的優化版本。
結論
看起來大多數企業仍然使用 API 調用來與強大的服務器進行通信，這種方法僅將最少量的信息發送回手機進行計算。
因此，儘管我們瞭解了很多專門適用於手機和平板的精簡版框架，但是距離能夠本地運行所有計算的強大處理器似乎還有一段距離。
原文鏈接：http://hopinfirst.com/top-10-machine-learning-frameworks-mobile-apps/?utm_campaign=Submission&utm_medium=Community&utm_source=GrowthHackers.com