【51CTO.com原創(chuàng)稿件】這一天遲早會來，自李世石 1:4 不敵 AlphaGo 那一天起，每一位圍棋人都明白，時代已經(jīng)提速，未來正踏著比想象中迅疾百倍的步伐洶涌而來。

[[217827]]

彼時彼刻 AI 對人類的超越絕不是終點，深度學習加持下的飛速進步，很快就會讓人類再也無法在棋盤前與 AI 平等對話，直至降格、讓子。無論你是否情愿，都必須面對這個事實。

2018 年 1 月 9 日，裝備著***公開版本的絕藝，身披馬甲“絕藝指導 A”，開始了讓二子（黑貼 6 目半）對決職業(yè)棋手的行程。

1 月 16 日中午擊敗 NIPOHC（韓一洲七段）首勝銀冠棋手（全國冠軍），1 月 12—16 日完成 14 連勝，至 1 月 17 日晚八點，共弈 31 局 27 勝 4 負。極高的勝率固然亮眼，卻也符合人們對絕藝實力的“預期”。

[[217828]]

1 月 17 日這一天，對柯潔來說并不愉快。面對圍觀群眾“和絕藝指導 A 下一盤”的鼓噪，柯潔欣然應允，向絕藝指導 A 發(fā)出對局邀請。

驚天動地，職業(yè)***棋手——而且是最***的那個，***在公開對戰(zhàn)中成為被讓子的一方。這一刻柯潔放下驕傲，選擇勇敢。面對強大的 AI，人類展現(xiàn)出了卓越的勇氣與瀟灑風度。

這是圍棋人機大戰(zhàn)中的又一個***次，***職業(yè)圍棋手，在讓子棋中負于 AI。更明確一點說，騰訊圍棋 AI 絕藝，讓二子戰(zhàn)勝了當今圍棋***人柯潔。而且整個戰(zhàn)局只進行了 77 手，可以說柯潔落敗的相當快。

柯潔今天凌晨在微博上說：“以后請叫我佛系棋手… ”，圍棋世界***人，最近心緒有點起伏~

可能未來人機大戰(zhàn)的懸念會變成，到底讓幾子人類才能穩(wěn)贏。騰訊表示，這次戰(zhàn)勝柯潔的絕藝，參考了 2017 年 10 月公開的 AlphaGo Zero 論文，并在實踐中做出了改進。

這個版本使用了 40 block dual-resnet 模型，以老版本的絕藝為基礎進行強化學習，自對弈了數(shù)百萬棋局。

據(jù)介紹，騰訊在有限的資源和時間內(nèi)，通過把強化學習和監(jiān)督學習相結(jié)合來加速訓練，快速提升了棋力。

[[217829]]

眼下，AI 已經(jīng)成為越來越火的一個方向，程序員對于新技術是最敏感的一個人群，作為一名程序員如何轉(zhuǎn)向人工智能方向？

本文將向您介紹一些在人工智能（AI）領域常被使用的優(yōu)質(zhì)軟件庫，并且分析它們的優(yōu)/劣勢和自身特點。

雖然 AI 曾經(jīng)被稱為只有書***和天才才去觸碰的專業(yè)領域，但是現(xiàn)如今由于各種軟件庫和框架的發(fā)展，它已成為一個更加開放的 IT 領域，很多人都已投身于其中。

現(xiàn)在就讓我們來深入了解和探索這個紛繁的 AI 庫的世界吧！

TensorFlow

“通過使用數(shù)據(jù)流圖的計算，來實現(xiàn)可擴展的機器學習”，語言：C++ 或 Python。

當提到 AI 的時候，您首先聽到的框架應該就是谷歌的 TensorFlow。

TensorFlow 是使用數(shù)據(jù)流圖來執(zhí)行數(shù)值計算的開源庫。該框架的特點是它可以利用任何 CPU 或 GPU 進行計算，無論是臺式機、服務器、甚至是移動設備的架構(gòu)都可以實現(xiàn)。這個框架中提供了 Python 語言的編程環(huán)境。

TensorFlow 通過所謂的各種節(jié)點來分類數(shù)據(jù)層，并對它所獲得的任何信息做出判定。

想了解更多相關信息，可以參看：https://www.tensorflow.org/

優(yōu)勢：

• 使用一種簡單易學的語言--Python。
• 采用計算圖形的抽象。
• 由 TensorBoard 提供可視化。

劣勢：

• 由于 Python 并非是最快的語言，因此該軟件庫運行起來并不快。
• 缺乏各種預先訓練好（pre-trained）的模型。
• 并非完全開源。

微軟 CNTK

“一個開源的深度學習工具包”，語言：C++。

我們可以稱之為微軟對于谷歌 TensorFlow 的“回應”。

微軟的計算網(wǎng)絡工具包（Microsoft's Computational Network ToolKit，CNTK）是一種能夠提高模塊化和分離式計算網(wǎng)絡的軟件庫，它還提供了各種學習算法和模型的描述。

在需要有大量服務器參與運行的時候，CNTK 可以利用多臺服務器來同步實現(xiàn)。雖然據(jù)說它在功能上將會對谷歌 TensorFlow 有所屏蔽，但現(xiàn)在看來還為時過早。

想了解更多相關信息，可以參看：https://github.com/Microsoft/CNTK

優(yōu)勢：

• 非常靈活。
• 可實現(xiàn)分布式的訓練。
• 支持 C++，C＃，Java 和 Python。

劣勢：

它是由一種新的語言--網(wǎng)絡描述語言（NetworkDescription Language，NDL）來實現(xiàn)。

可視化不足。

Theano

“一種數(shù)值計算的軟件庫”，語言：Python。

Theano 是 TensorFlow 的強有力競爭者。它是一個功能強大的 Python 庫，能夠高效地實現(xiàn)與各種多維數(shù)組有關的數(shù)值運算。

該軟件庫能夠準確地使用 GPU 來執(zhí)行各種數(shù)據(jù)密集型的計算，而不會在運行中給 CPU 增加負擔。

出于這個原因，在近十年來，Theano 一直被運用于供電系統(tǒng)內(nèi)部各種大規(guī)模的計算密集型操作。

不過在 2017 年 9 月，Theano 宣布將在 2017 年 11 月的***一次重要發(fā)布之后，對其 1.0 版本停止更新。

當然，這并不意味著它在功能上會有所遜色，只要您愿意，對它隨時展開研究都是值得的。

想了解更多相關信息，可以參看：https://github.com/Theano/Theano

優(yōu)勢：

• 對 CPU 和 GPU 的使用進行了適當?shù)膬?yōu)化。
• 高效的數(shù)字任務處理能力。

劣勢：

• 原生的 Theano 相對于其他軟件庫的水平較低，需要與其他軟件庫一起使用，以獲得較高的抽象水平。
• 在 AWS 上運行時會有一些 Bug。

Caffe

“深度學習的開放式框架，且速度快”，語言：C++。

Caffe 是一個功能強大的深度學習框架。和上述列表中的其他框架相比，它能夠?qū)崿F(xiàn)快速和有效的深度學習式研究。

通過Caffe，您可以非常容易地為圖像分類，建立卷積神經(jīng)網(wǎng)絡（convolutional neural network，CNN）。Caffe 能夠有效地工作在 GPU 上，并且在運行過程中能夠發(fā)揮極快的速度。

想了解更多相關信息，可以參看：http://caffe.berkeleyvision.org/

Caffe 的主要類包括：

優(yōu)勢：

• 可與 Python 和 MATLAB 綁定。
• 運行性能***。
• 無需編寫代碼，便可實現(xiàn)對各個模型的訓練。

劣勢：

• 對復發(fā)性的網(wǎng)絡（recurrent networks）支持不佳。
• 與新架構(gòu)的協(xié)同性不好。

Keras

“為人類的深度學習而打造”，語言：Python。

Keras 是一個用 Python 編寫的開源神經(jīng)網(wǎng)絡庫。不像 TensorFlow、CNTK 和 Theano，Keras 并不服務于端到端的機器學習框架。

相反地，作為一個接口，它提供了一個高層次的抽象，這使得無論是在什么樣的框架下，神經(jīng)網(wǎng)絡都能夠方便地進行配置。

目前谷歌 TensorFlow 能夠?qū)?Keras 作為后端予以支持，而微軟的 CNTK 是否會在將來支持 Keras，則暫無時間表。

想了解更多相關信息，可以參看：https://keras.io/

優(yōu)勢：

• 用戶友好且容易上手。
• 容易擴展。
• 無縫運行在 CPU 和 GPU 上。
• 能與 Theano 和 TensorFlow 無縫協(xié)作。

劣勢：

• 無法作為一個獨立的框架被使用。

Torch（火炬）

“一個開源的機器學習庫”，語言：C。

Torch 是一個為科研和數(shù)值運算打造的、開源的機器學習庫。它基于的是 Lua 編程語言，而非 Python 庫。通過提供大量的算法，它不但使得深度學習研究更為容易，而且能提高效率和速度。

Torch 具有強大的 N 維陣列，這對于諸如切片和索引等操作是非常有用的。它還提供了線性代數(shù)的程序和神經(jīng)網(wǎng)絡的模型。

想了解更多相關信息，可以參看：http://torch.ch/

優(yōu)勢：

• 非常靈活。
• 有極高的速度和效率。
• 具有大量的預先訓練好的模型。

劣勢：

• 文檔不清。
• 缺少即插即用的代碼。
• 基于的是一種不那么流行的語言--Lua。

Accord.NET

“支持機器學習、計算機視覺、統(tǒng)計、以及使用.NET的科學計算”，語言：C＃。

這是為C＃程序員準備的軟件庫，Accord.NET 是一種 .NET 的機器學習框架，它方便了音頻和圖像的各種處理。

該框架可以有效地處理數(shù)值優(yōu)化、人工神經(jīng)網(wǎng)絡、甚至可視化等方面。除此之外，Accord.NET 在計算機視覺和信號處理上也具有強大的功能，而且通過一些簡單的算法就能實現(xiàn)。

想了解更多相關信息，可以參看：http://accord-framework.net/

優(yōu)勢：

• 它擁有一個龐大且活躍的開發(fā)團隊。
• 具有非常好的文檔框架。
• 可實現(xiàn)質(zhì)量可視化。

劣勢：

• 該框架并不是非常流行。
• 比 TensorFlow 要運行得緩慢一些。

Spark MLlib

“一個可擴展的機器學習庫”，語言：Scala。

Apache 的 Spark MLlib 是一個***擴展性的機器學習庫。它支持的編程語言有 Java、Scala、Python、甚至是 R 語言。

它能夠非常有效地通過 Python 和 R 語言的 Numpy 庫（譯者注：NumPy 系統(tǒng)是 Python 的一種開源的數(shù)值計算擴展）進行交互操作。

MLlib 能夠很容易地被植入到 Hadoop 的工作流中。它還能提供諸如分類、回歸、歸并等機器學習的算法。在涉及到大規(guī)模數(shù)據(jù)處理時，這款功能強大的軟件庫運行起來非常快。

想了解更多相關信息，可以參看：https://spark.apache.org/mllib/

優(yōu)勢：

• 能極快速地處理大規(guī)模的數(shù)據(jù)。
• 支持多種語言。

劣勢：

• 學習曲線“陡峭”（即不易學習）。
• 只能對 Hadoop 實現(xiàn)即插即用。

Sci-kitLearn

“使用 Python 進行機器學習”，語言：Python。

SCI-Kit 是一款主要用于在機器學習中構(gòu)建各類模型的、非常強大的 Python 庫。

通過使用諸如 Numpy、SciPy 和 Matplotlib 之類的庫，它對于諸如分類、回歸、歸并等統(tǒng)計模型非常有效。SCI-Kit 還能為您帶來監(jiān)管式與無監(jiān)管式的學習算法、以及交叉驗證等功能。

想了解更多相關信息，可以參看：http://scikit-learn.org/

優(yōu)勢：

• 能支持許多主流的算法。
• 提供有效的數(shù)據(jù)挖掘。

劣勢：

• 對于構(gòu)建模型來說并非是***的。
• 使用 GPU 時，效果并非***。

MLPack

“一個可擴展的 C++ 類型機器學習庫”，語言：C++。

MLPack 是一款利用 C++ 來實現(xiàn)可擴展機器學習的軟件庫。由于它運行在 C++ 中，因此您完全可以想象到它對內(nèi)存的高效管理。

由于在庫中自帶優(yōu)質(zhì)的機器學習算法，MLPack 運行起來速度極快。另外，該軟件庫對于新手來說十分“友好”，它提供了一個簡單的 API。

想了解更多相關信息，可以參看：http://mlpack.org/

優(yōu)勢：

• 擴展性極強。
• 提供 Python 和 C++ 的綁定。

劣勢：

• 沒有優(yōu)質(zhì)的文檔。

總結(jié)

本文在此所討論到的各種軟件庫都是在大家長期使用之后，備受好評且高質(zhì)量的。

像 Facebook、谷歌、雅虎、蘋果和微軟這樣的大公司已經(jīng)將它們運用到了各自的深度學習和機器學習的項目中。您還有什么理由不去試試呢？

[[217830]]

陳峻（Julian Chen） ，有著十多年的 IT 項目、企業(yè)運維和風險管控的從業(yè)經(jīng)驗，日常工作深入系統(tǒng)安全各個環(huán)節(jié)。作為 CISSP 證書持有者，他在各專業(yè)雜志上發(fā)表了《IT運維的“六脈神劍”》、《律師事務所IT服務管理》 和《股票交易網(wǎng)絡系統(tǒng)中的安全設計》等論文。他還持續(xù)分享并更新《廉環(huán)話》系列博文和各種外文技術翻譯，曾被(ISC)2 評為第九屆亞太區(qū)信息安全***成就表彰計劃的“信息安全踐行者”和 Future-S 中國 IT 治理和管理的 2015 年度踐行人物。 

【51CTO原創(chuàng)稿件，合作站點轉(zhuǎn)載請注明原文作者和出處為51CTO.com】