除tensorflow，各種模組及框架之外，不需要再要學習hadoop，spark之類的了，這些東東都是屬於大資料的東西，不要跑偏了

Torch

Torch是一個古老的開源機器學習庫。它首次釋出於15年前。它是主要的程式語言是LUA，但在C中有實現。Torch支援龐大的機器學習演算法庫，包括深度學習。它支援平行計算的CUDA實現。

大多數領先的實驗室都使用Torch，如Facebook，Google，Twitter，Nvidia等。 Torch的Python庫名為Pytorch。

Infer.net

Infer.net由Microsoft開發和維護。 Infer.net是主要關注貝葉斯統計。 Infer.net旨在為從業者提供最先進的機率建模演算法。該庫包含分析工具，如貝葉斯分析，隱馬爾可夫鏈，聚類。

Keras

Keras是深度學習的Python框架。構建任何深度學習演算法都很方便。 Keras的優勢在於它使用相同的Python程式碼在CPU或GPU上執行。此外，編碼環境純粹的，並且允許訓練用於計算機視覺，文字識別等的最先進的演算法。

Keras由Google的研究員FrançoisChollet開發。 Keras用於CERN，Yelp，Square、Google，Netflix和優步等知名組織。

Theano

蒙特利爾大學於2007年開發的深度學習庫。它提供快速計算，可以在CPU和GPU上執行。 Theano已被開發用於訓練深度神經網路演算法。

MICROSOFT認知工具包（CNTK）

Microsoft工具包，以前稱為CNTK，是Microsoft開發的深度學習庫。根據微軟的說法，它是市場上最快的哭之一。 Microsoft工具包是開源庫，在微軟產品廣泛使用，如Skype，Cortana，Bing和Xbox。支援Python和C ++。

MXNet

MXnet是最近的深度學習庫。它可以使用多種程式語言訪問，包括C ++，Julia，Python和R. MXNet可以配置為在CPU和GPU上執行。 MXNet包括最先進的深度學習架構，如卷積神經網路和長短期記憶。 MXNet旨在與動態雲基礎架構協調工作。 MXNet的主要使用者是亞馬遜。

Caffe

Caffe是楊慶佳在伯克利大學攻讀博士學位時建立。 Caffe是用C ++編寫的，可以在CPU和GPU上執行計算。 Caffe的主要用途是卷積神經網路。雖然，2017年，Facebook擴充套件了Caffe，包Recurrent Neural Network。學術界和初創公司以及雅虎等一些大公司都在使用caffe。

TensorFlow

TensorFlow是Google的開源專案。 TensorFlow是目前最著名的深度學習庫。它於2015年底向公眾釋出

2018最佳人工智慧機器學習工具書及下載(持續更新)

機器學習雲服務

Google Cloud ML

Google為Cloud AutoML提供了開發人員預先培訓的模型。該解決方案適用於沒有強大機器學習背景的開發人員。開發人員可以在其資料上使用最先進的Google預訓練模型。它允許任何開發人員在幾分鐘內訓練和評估任何模型。

Google目前提供用於計算機視覺，語音識別，翻譯和NLP的REST API。

使用Google Cloud，您可以在TensorFlow，Scikit-learn，XGBoost或Keras上構建機器學習框架。 Google Cloud機器學習將在其雲端訓練模型。

使用Google雲計算的優勢在於將機器學習部署到生產中的簡單性。無需設定Docker容器。此外，雲負責基礎設施，它知道如何使用CPU，GPU和TPU分配資源，透過平行計算使訓練更快。

AWS SageMaker

Google Cloud的主要競爭對手是亞馬遜雲，AWS。亞馬遜開發了Amazon SageMaker，允許資料科學家和開發人員構建，訓練和投入生產任何機器學習模型。

SageMaker可用於Jupyter筆記本，包括最常用的機器學習庫，TensorFlow，MXNet，Scikit-learn等。用SageMaker編寫的程式會自動在Docker容器中執行。亞馬遜處理資源分配以最佳化培訓和部署。

亞馬遜為開發人員提供API，以便為其應用程式新增智慧。在某些情況下，沒有必要透過從頭開始構建新模型來重新發明輪子，而云中有強大的預訓練模型。亞馬遜為計算機視覺，會話聊天機器人和語言服務提供API服務：

三個主要的可用API是：Amazon Rekognition：為應用程式提供影象和影片識別；亞馬遜理解：執行文字挖掘和神經語言處理，例如，自動化檢查財務檔案合法性的過程；亞馬遜Lex：將聊天機器人新增到應用程式；

Azure機器學習工作室

可能是最友好的機器學習方法。該解決方案的顯著優點是不需要程式設計基礎。

Microsoft Azure Machine Learning Studio是一個用於建立，培訓，評估和部署機器學習解決方案的拖放式協作工具。該模型可以有效地部署為Web服務，並在Excel等多個應用程式中使用。

Azure機器學習介面是互動式的，允許使用者透過快速拖放元素來構建模型。

模型準備就緒後，開發人員可以將其儲存並推送到Azure Gallery或Azure Marketplace。

Azure Machine學習可以整合到自定義內建包中的R或Python中。

IBM Watson ML

Watson透過簡化的流程簡化資料專案，從而從資料中提取價值和見解，幫助業務變得更加智慧和快捷。 Watson工作室提供易於使用的協作資料科學和機器學習環境，用於構建和訓練模型，準備和分析資料，以及共享見解。 Watson Studio易於使用，具有拖放程式碼。

Watson工作室支援一些最流行的框架，如Tensorflow，Keras，Pytorch，Caffe，可以將深度學習演算法部署到Nvidia的最新GPU上，以幫助加速建模。

在我們看來，谷歌雲解決方案是最推薦的解決方案。對於資料儲存和機器學習解決方案，Google雲解決方案為AWS提供的價格至少降低了30％。谷歌正在努力實現人工智慧的大眾化。它開發了一種開源語言TensorFlow，優化了資料倉庫連線，提供了從資料視覺化，資料分析到機器學習的巨大工具。此外，Google控制檯符合人體工程學，比AWS或Windows更全面。

參考資料：本人部落格：https://china-testing.github.io/tensorflow6.html