Beste Künstliche Neuronale Netzwerk-Software

AIToolbox ist eine Sammlung von KI-Modulen, die in Swift geschrieben sind: Graphen/Bäume, Lineare Regression, Support-Vektor-Maschinen, Neuronale Netze, PCA, KMeans, Genetische Algorithmen, MDP, Misch

Deep Learning VM-Image Vorkonfigurierte VMs für Deep-Learning-Anwendungen.

FANN (Fast Artificial Neural Network Library) ist eine kostenlose Open-Source-Bibliothek für neuronale Netzwerke, die mehrschichtige künstliche neuronale Netzwerke mit Unterstützung für sowohl vollstä

gobrain ist ein neuronales Netzwerk, das in Go geschrieben ist und nur grundlegende Funktionen von neuronalen Netzwerken wie Feed Forward und Elman Recurrent Neural Network umfasst.

ConvNetJS ist eine Javascript-Bibliothek zum Trainieren von Deep-Learning-Modellen (neuronale Netzwerke) vollständig in einem Browser.

Wählen Sie Ihren Weg: Installieren Sie PyTorch lokal oder starten Sie es sofort auf unterstützten Cloud-Plattformen.

Microsoft Cognitive Toolkit ist ein Open-Source-Toolkit in kommerzieller Qualität, das Benutzer befähigt, die Intelligenz in riesigen Datensätzen durch Deep Learning zu nutzen, indem es kompromisslose

Die AWS Deep Learning AMIs sind darauf ausgelegt, Datenwissenschaftler, maschinelles Lernen-Praktiker und Forschungsspezialisten mit der Infrastruktur und den Werkzeugen auszustatten, um die Arbeit im

SuperLearner ist ein Paket, das die Super-Learner-Vorhersagemethode implementiert und eine Bibliothek von Vorhersagealgorithmen enthält, die im Super-Learner verwendet werden können.

Keras ist eine Bibliothek für neuronale Netzwerke, geschrieben in Python und in der Lage, entweder auf TensorFlow oder Theano zu laufen.

Knet (ausgesprochen "kay-net") ist ein Deep-Learning-Framework, das in Julia implementiert ist und die Definition und das Training von maschinellen Lernmodellen unter Nutzung der vollen Leistungsfähig

Merlin ist ein Deep-Learning-Framework, das in Julia geschrieben ist. Es zielt darauf ab, eine schnelle, flexible und kompakte Deep-Learning-Bibliothek für maschinelles Lernen bereitzustellen.

Neuton (https://neuton.ai), eine neue AutoML-Lösung, ermöglicht es Benutzern, kompakte KI-Modelle mit nur wenigen Klicks und ohne jegliche Programmierung zu erstellen. Neuton ist auch das am besten ER

NVIDIA Deep Learning GPU Training System (DIGITS) tiefes Lernen für Datenwissenschaft und Forschung, um schnell tiefe neuronale Netzwerke (DNN) für Bildklassifizierungs- und Objekterkennungsaufgaben z

Vorkonfigurierte und optimierte Container für Deep-Learning-Umgebungen.

Swift AI ist eine leistungsstarke KI- und maschinelles Lernen-Bibliothek, die vollständig in Swift geschrieben ist und eine Reihe von gängigen Werkzeugen für maschinelles Lernen und künstliche Intelli

Torch ist ein wissenschaftliches Rechenframework mit umfassender Unterstützung für maschinelle Lernalgorithmen, das GPUs in den Vordergrund stellt.

Caffe ist ein Deep-Learning-Framework, das mit Ausdruck, Geschwindigkeit und Modularität im Hinterkopf entwickelt wurde.

H2O.ai ist das führende KI-Cloud-Unternehmen, das sich zum Ziel gesetzt hat, KI zu demokratisieren und eine offene KI-Bewegung weltweit voranzutreiben. Sie konzentrieren sich darauf, Erkenntnisse aus

TFlearn ist eine modulare und transparente Deep-Learning-Bibliothek, die auf TensorFlow aufbaut und eine höherstufige API für TensorFlow bereitstellt, um Experimente zu erleichtern und zu beschleunige

Chainer ist ein leistungsstarkes, flexibles und intuitives Framework für neuronale Netzwerke, das die Lücke zwischen Algorithmen und Implementierungen überbrückt.

NVIDIA Deep Learning AMI mit Unterstützung von Terracloudx ist eine optimierte Umgebung, die es Ihnen ermöglicht, Data-Science-, HPC- und Deep-Learning-Container auszuführen, die speziell für GPUs abg

DeepPy ist ein MIT-lizenziertes Deep-Learning-Framework, das versucht, einen Hauch von Zen in das Deep Learning zu bringen, da es Python-Programmierung basierend auf NumPys ndarray ermöglicht, über ei

Neuroph ist ein leichtgewichtiges Java-Framework für neuronale Netze, das gängige neuronale Netzwerkarchitekturen entwickelt. Es enthält eine gut gestaltete, quelloffene Java-Bibliothek mit einer klei

Darknet ist ein Open-Source-Neuronales-Netzwerk-Framework, das in C und CUDA geschrieben ist und CPU- und GPU-Berechnungen unterstützt.

Deep-Learning-Frameworks wie TensorFlow, PyTorch, Caffe, Torch, Theano und MXNet haben zur Popularität des Deep Learning beigetragen, indem sie den Aufwand und die Fähigkeiten, die zum Entwerfen, Trai