除了 Python，這些語言寫的機器學習項目也很牛

知識 07-03

來自：開源中國編輯部

Python 由於本身的易用優勢和強大的工具庫儲備，成為了在人工智慧及其它相關科學領域中最常用的語言之一。尤其是在機器學習，已然是各大項目最偏愛的語言。

其實除了 Python ，也不乏有開發者用其他語言寫出優秀的機器學習項目。在此，列出其中一些個人認為值得關注的開源機器學習項目。由於篇幅有限，考慮分多期整理。

1、C

Darknet —— 神經網路框架

Darknet 是一個用 C 和 CUDA 編寫的開源神經網路框架。它快速，易於安裝，並支持 CPU 和 GPU 計算。

CCV —— 計算機視覺庫

CCV 是 C-based/Cached/Core Computer Vision Library 的簡稱, 它是一個現代的計算機視覺庫。

CCV 是一種以應用驅動的演算法庫，比如對靜態物體（如人臉）的快速檢測演算法、對某些不容易定位物體（如貓）的準確檢測演算法、藝術文本的檢測演算法、長期目標的跟蹤演算法和特徵點檢測演算法。

2、C++

CNTK —— 深度學習工具包

微軟出品的開源深度學習工具包，它把神經網路描述成一個有向圖的結構，葉子節點代表輸入或者網路參數，其他節點計算步驟。

CNTK 不僅使深度神經網路（DNN）、卷積神經網路（CNN）、循環神經網路（RNN）和長短時記憶單元（LSTM）的實現變得非常容易，還支持多個 GPU 組合、伺服器自動分化和並行的隨機梯度下降（SGD）學習。

Caffe —— 深度學習框架

Caffe 是一個清晰而又高效的深度學習框架，模型與相應優化都是以文本形式而非代碼形式給出，並給出了模型的定義、最優化設置以及預訓練的權重，方便立即上手。同時，它能夠運行最棒的模型與海量的數據，也能很方便擴展到新的任務和設置上。

Kaldi —— 語音識別工具包

Kaldi 是用 C ++ 編寫的語言識別工具包，旨在供語音識別研究人員使用，且易於修改和擴展。它在設計之初就儘可能地以最通用的形式提供的演算法，以保證其可擴展性。

3、Go

CloudForest —— 決策樹組合演算法

純 Go 編寫的快速、靈活、多線程的決策樹，允許一些相關的演算法用於具有缺失值的異構數據的分類、回歸、特徵選擇和結構分析。它可以實現更快的訓練時間，非常適合現代處理器來學習二進位。

4、Java

CoreNLP —— 自然語言處理工具

coreNLP 是斯坦福大學開發的一套關於自然語言處理的工具，使用簡單功能強大。它可以通過輸入原始文本，給出單詞的基本形式，它們的詞性、公司、人員的名稱、解釋日期、時間和數量等等。它最初針對英語開發，但現在也已支持中文。

H2O —— 機器學習和預測分析框架

H2O 是一個分布式的、基於內存的、可擴展的機器學習和預測分析框架，適合在企業環境中構建大規模機器學習模型。它使用開發者熟悉的界面，可與 Hadoop 和 Spark 等大型數據技術無縫工作。它也提供許多流行演算法的實現，例如 GBM、Random Forest、Deep Neural Networks、Word2Vec 等。