隨著機器學習和人工智能的迅猛發展，業界出現了許多開源的機器學習平臺。由于機器學習與大數據天然的緊密結合，基于 Hadoop Yarn 的分布式任務調度仍是業界主流，但是隨著容器化的發展，Docker + Kubernetes 的云原生組合，也展現出了很強的生命力。以下是為大家精心總結的機器學習平臺和工具，現在已經可作為資源將ML的強大功能無縫集成到日常任務中。

1. Eclipse Deeplearning4j

Eclipse Deeplearning4j是一個為Java虛擬機構建的開源庫。適合有DIY傾向的人，以深度學習為核心，本工具針對那些需要在分布式CPU和GPU工作的商業環境中構建深度神經網絡的開發人員。 Scala、Clojure和Java程序員可以使用像Hadoop這樣的文件系統。

2. Accord.NET Framework

圖像和音頻處理庫以C#編程語言編寫，然后與Accord.NET框架相結合。功能強大，在里面開發人員可以創建一系列商業用途的應用程序，這些應用程序依賴機器學習，比如計算機視覺、信號處理、模式識別和計算機視覺。這樣有多種可供選擇，開發人員可以利用圖像和信號處理、科學計算等。

3.微軟Azure ML

Microsoft Azure ML是一個MLaaS平臺，提供了一個帶有兩個模型創作環境的工作室:自動化ML和設計器。它還可以將模型轉換為可自動伸縮的預測api。允許用戶查看和可視化地編輯模型訓練管道，即獲取數據、準備數據和應用ML算法生成預測模型的操作序列。通過避免接口捕獲的缺少數據操作的輸入或禁止的連接，設計器使理解、創建管道變得更容易。

4.Lobe

Lobe是微軟于2018年收購的一項服務，它也提供交互式畫布和自動功能，但也允許用戶處理圖像功能。它提供了一個易于使用的環境來自動建立神經網絡模型，通過一個可視化的界面。模型是由可以完全控制的構件組成的(波瓣建立在TensorFlow和Keras之上)，培訓可以通過實時的交互式圖表進行監控。訓練好的模型可以通過開發人API提供，或者導出到Core ML和TensorFlow文件，在iOS和Android設備上運行。

5. TensorFlow

TensorFlow專為在依賴機器學習的項目中使用而設計，它具有作為使用開源軟件設計的平臺的附加優勢。在大量的在線資源、文檔和教程的幫助下，TensorFlow提供了一個包含數值計算形式的數據流圖的庫。目的是讓開發人員能夠跨多種設備啟動深度學習框架。

6. DiffBlue

DiffBlue是比較罕見的開發工具，它是一個非常有用但簡單的平臺，致力于代碼自動化。 DiffBlue有幾個核心目的：測試編寫、錯誤定位、重構代碼以及發現和替換弱點的能力，這些都是使用自動化完成的。

7. Neon

它是由Intel和Nervana開發的，Neon是一個基于Python的ML庫，并且是開源的。使用其工具的開發人員可以利用技術先進的應用程序和智能代理。在云環境中，它支持云計算，支持開發人員開發、構建和訓練深度學習技術。

8. OpenNN

一個C ++編程庫，OpenNN主要針對那些想要實現神經網絡的經驗豐富的開發人員。 工具旨在通過創建表格、圖表和其他可視內容來解釋和簡化數據條目。