全世界只有3.14 %?的人關注了

數據與算法之美

Python 由于本身的易用優勢和強大的工具庫儲備，成為了在人工智能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。由于篇幅有限，推薦閱讀推薦閱讀《圖解機器學習》。

1、C

Darknet?——?神經網絡框架

Darknet 是一個用 C 和 CUDA 編寫的開源神經網絡框架。它快速，易于安裝，并支持 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算法庫，比如對靜態物體（如人臉）的快速檢測算法、對某些不容易定位物體（如貓）的準確檢測算法、藝術文本的檢測算法、長期目標的跟蹤算法和特征點檢測算法。

2、C++

CNTK?——?深度學習工具包

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

CNTK 不僅使深度神經網絡（DNN）、卷積神經網絡（CNN）、循環神經網絡（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、服務器自動分化和并行的隨機梯度下降（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，并給出了模型的定義、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，且易于修改和擴展。它在設計之初就盡可能地以最通用的形式提供的算法，以保證其可擴展性。

3、Go

CloudForest?——?決策樹組合算法

純 Go 編寫的快速、靈活、多線程的決策樹，允許一些相關的算法用于具有缺失值的異構數據的分類、回歸、特征選擇和結構分析。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制。

4、Java

CoreNLP?——?自然語言處理工具

coreNLP 是斯坦福大學開發的一套關于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、基于內存的、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。它也提供許多流行算法的實現，例如 GBM、Random Forest、Deep Neural Networks、Word2Vec 等。?

Deeplearning4J?——?分布式神經網絡庫

Deeplearning4J 是一個使用 Java 和 Scala 編寫的分布式神經網絡庫，集成了 Hadoop 和 Spark ，設計用于運行在分布式 GPU 和 CPU 上的商業環境。它即插即用，方便開發者在 APP?中快速集成深度學習功能

Deeplearning4j 包括了分布式、多線程的深度學習框架，以及普通的單線程深度學習框架。

5、Javascript

Natural?—— 自然語言處理工具

node.js 下用的自然語言處理工具，支持詞法分析、詞干分析、分類、語音、反比文檔頻數權重評價、WordNet、字符串相似度等處理。

ConvNetJS?—— 深度學習庫

ConvNetJS 是一個基于 JavaScript 的深度學習庫，可以讓你在瀏覽器中訓練深度網絡。它可以幫助深度學習初學者更快、更直觀的理解算法通，過一些簡單的?Demo?給用戶最直觀的解釋。

6、PHP

PHP-ML?—— 機器學習庫

PHP-ML?是 PHP 的機器學習庫，同時包含算法、交叉驗證、神經網絡、預處理、特征提取等多種特性。要求 PHP 版本 > = 7.0 。

PHP-ML 提供的機器學習算法包括：關聯規則學習（Apriori 算法）、分類器（SVC、KNN、貝葉斯）、回歸（最小二乘線性回歸、支持向量回歸）、聚類（KMeans、基于密度的聚類算法）、矩陣運算相關（準確率、混肴矩陣、與分類相關的結論如精確度、召回率、F1 值、支持率）、模型運算管道（Pipeline）、神經網絡（多層感知機）等。

7、Ruby

Treat?——自然語言處理框架

Treat?是一個自然語言處理和計算語言學的工具包。Treat 項目旨在為 Ruby 構建一個語言和算法均不可知的 NLP 框架，支持文檔檢索、文本分塊、分段和標記化等任務，自然語言解析，詞性標注，關鍵字提取和命名實體識別。

Classifier?—— 通用分類器模塊

Classifier?是可用貝葉斯算法及其他分類法的通用分類器模塊。貝葉斯分類器的分類原理是通過某對象的先驗概率，利用貝葉斯公式計算出其后驗概率，即該對象屬于某一類的概率，選擇具有最大后驗概率的類作為該對象所屬的類，具有準確、快速、內存要求適當等特點。

8、Objective C

MLPNeuralNet?——?多層感知器

MLPNeuralNet 是適用于 iOS 和 Mac OS X 的快速多層感知器神經網絡庫。它使用矢量操作和硬件加速（如果可用）構建在蘋果加速框架之上，通過訓練有素的神經網絡預測新的示例。

9、Swift

Bender?—— 機器學習框架

Bender 是 MetalPerformanceShaders 之上的一個抽象層（abstraction layer），可用于操作神經網絡，旨在更輕松地在 iOS 上運行預訓練的網絡。它可以讓你輕松使用卷積、池化、全連接和一些規范化等最常見的層，從而輕松地定義和運行神經網絡。

目前 Bender 有一個用于 TensorFlow 的適配器（adapter），其可以加載帶有變量的圖（graph），并將其「翻譯」成 Bender 的層（layer）。

Swift AI?—— 深度學習庫

Swift AI 是一個完全由 Swift 編寫的高性能 AI 和機器學習庫，包含用于人工智能和科學應用的常用工具集，支持卷積神經網絡、循環神經網絡、遺傳算法庫、快速線性代數庫、信號處理庫等。這些工具采用先進的并行處理技術，專門針對 iOS 和 OS X 硬件進行了優化，目前支持所有的 Apple 平臺，并計劃推出 Linux 版本支持。

10、Scala

Breeze?——?數值處理庫

Breeze?是一個數值處理庫，是 ScalaNLP 的核心庫，包括線性代數、數值計算和優化，目標是實現通用、干凈、強大，且不犧牲性能（高效）的機器學習方法。

ScalaNLP 包含 Breeze?和?Epic（一個高性能的統計解析器和結構化預測庫）。

BIDMach?——?機器學習庫

BIDMach 是一個速度非常快的機器學習庫，支持邏輯回歸、K-means、矩陣分解、隨機森林、LDA 等。它是BIDMat?的一個姊妹項目，BIDMat 是一個矩陣庫。

BIDMach 在一些評測中甚至跑出了比 Spark 還好的結果。

11、.NET

numl?—— 機器學習框架

numl 是一個小巧的，包含比較多的機器學習算法類庫，支持監督式和非監督式學習。支持很多常見的機器學習算法，包括 Cluster、KMeans、PCA、DecisionTree、KNN、NaiveBayes、NeuralNetwork 等學習算法，功能強大，同時也包括一些數值計算的實現。

Accord.NET?—— 機器學習框架

Accord.NET 為 .NET 提供機器學習、統計、人工智能、計算機視覺和圖像處理方法。它可以在 Microsoft Windows、Xamarin、Unity3D、Windows Store 應用，Linux 和移動設備上使用。

在與 AForge.NET 項目合并之后，該框架現在提供了一個用于學習/訓練機器學習模型的統一 API ，其易于使用和可擴展。

來源：開源中國

版權歸原作者所有，轉載僅供學習使用，不用于任何商業用途，如有侵權請留言聯系刪除，感謝合作。

【別和我說話】“工作戰衣”的預售活動正在火熱進行中，數量有限，欲購從速！

“不要和我說話，否則我會控制不住我自己，和你聊上三個小時，最后什么也完不成。”

購買者還將會有機會免費獲超級數學建模的第一本書（附超模君親筆簽名，只限20名哦）！

精品課程推薦：

選購數學科普正版讀物

嚴選“數學思維好物”

送給孩子的益智禮物? ?| ??辦公室神器

算法工程師成長閱讀? ?| ??居家高科技

理工科男女實用型禮物精選? ?

----點擊頭像關注----

超級數學建模

數據與算法之美

少年數學家

數銳學堂

驚喜醬（個人號）

玩酷屋COOL

總結

以上是生活随笔為你收集整理的除了 Python ，这些语言写的机器学习项目也很牛的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。