人工智能主流框架简介

参考:https://www.zhihu.com/question/52668301

推荐:https://www.jianshu.com/p/39561bdeac0d

一、TensorFlow:

TensorFlow是 谷歌基于DistBelief进行研发的第二代 人工智能 学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
TensorFlow可被用于 语音识别图像识别等多项机器学习和深度学习领域。
CNN,卷及神经网络。


其实TensorFlow大部分内核并不是用Python编写的 :它是高度优化了C++和CUDA(Nvidia用于编程GPU的语言)的组合。 相反,通常它是使用了Eigen (高性能C ++和CUDA库)和NVidia的cuDNN (用于NVidia GPU的非常优化的DNN库,用于卷积等功能)。

TensorFlow的模型是程序员用“一种语言”(很可能是Python!)来表达。

所以说,我们再说一下这个问题:为什么TensorFlow选择Python作为表达和控制模型训练而且支持的非常好的语言?
答案很简单:Python可能是大量数据科学家和机器学习专家用的最舒适的语言,也是易于集成和控制C ++后端的语言,同时也是广泛使用与谷歌的公司内外和他们的开源产品。 鉴于使用TensorFlow的基本模型,Python的性能并不重要,这是一个很自然的契合。 NumPy也是一个巨大的加分,它可以很容易地在Python中进行预处理(也是高性能),然后将它们提供给TensorFlow,以获得真正CPU-heavy的东西。

二、Caffe(卷积神经网络框架,Convolutional Architecture for Fast Feature Embedding)

caffe是一个清晰,可读性高,快速的深度学习框架。作者是贾扬清,加州大学伯克利的ph.D,现就职于Facebook。

Caffe的全称应该是Convolutional Architecture for Fast Feature Embedding,它是一个清晰、高效的深度学习框架,它是开源的,核心语言是C++,它支持命令行、Python和Matlab接口,它既可以在CPU上运行也可以在GPU上运行。它的license是BSD 2-Clause。

Deep Learning比较流行的一个原因,主要是因为它能够自主地从数据上学到有用的feature。特别是对于一些不知道如何设计feature的场合,比如说图像和speech。

Caffe的设计:基本上,Caffe follow了神经网络的一个简单假设----所有的计算都是以layer的形式表示的layer做的事情就是take一些数据,然后输出一些计算以后的结果,比如说卷积,就是输入一个图像,然后和这一层的参数(filter)做卷积,然后输出卷积的结果。

三、MXNet

亚马逊将MXNet指定为官方深度学习平台

目前支持以下的语言:

  • python

  • R

  • C++

  • Julia

  • Scala


比较项CaffeTorchTheanoTensorFlowMXNet
主语言C++/cudaC++/Lua/cudaPython/c++/cudaC++/cudaC++/cuda
从语言Python/Matlab--PythonPython/R/Julia/Go
硬件CPU/GPUCPU/GPU/FPGACPU/GPUCPU/GPU/MobileCPU/GPU/Mobile
分布式NNNY(未开源)Y
速度中等中等
灵活性一般
文档全面全面中等中等全面
适合模型CNNCNN/RNNCNN/RNNCNN/RNNCNN/RNN?
操作系统所有系统Linux, OSX所有系统Linux, OSX所有系统
命令式NYNNY
声明式YNYYY
接口protobufLuaPythonC++/PythonPython/R/Julia/Go
网络结构分层方法分层方法符号张量图符号张量图?

### 主流 AI Agent 框架介绍 目前,在人工智能领域中,AI Agent 的发展得益于大模型技术的支持,这些框架通常围绕四大核心要素展开设计:规划(Planning)、记忆(Memory)、工具(Tools)以及执行(Action)。以下是几种主流的 AI Agent 框架及其特点: #### 1. **LangChain** LangChain 是一种非常灵活且功能强大的框架,它允许开发者轻松构建复杂的对话应用。该框架支持模块化的设计理念,使得用户可以自由组合不同的组件以满足具体项目需求。例如,它可以集成多个大型语言模型作为推理引擎,并提供丰富的插件用于扩展功能[^3]。 ```python from langchain import PromptTemplate, LLMChain template = """Question: {question}""" prompt = PromptTemplate(template=template, input_variables=["question"]) llm_chain = LLMChain(prompt=prompt) ``` #### 2. **LangGraph** 虽然 LangGraph 并未被广泛提及于公开资料之中,但从命名推测其可能专注于图结构数据处理方面的能力提升。假设这一框架确实存在,则预计会在知识表示学习或者基于网络关系的数据挖掘等领域展现优势[^2]。 #### 3. **CrewAI** CrewAI 提供了一套完整的解决方案来简化从原型到生产环境部署整个流程的工作量。它的主要卖点在于能够快速搭建起具备一定智能化水平的应用程序界面(API),从而降低进入门槛的同时也提高了效率[^2]。 #### 4. **Semantic Kernel** 由微软推出 Semantic Kernel 更像是一个轻量化版本的选择方案之一。相比其他竞争对手而言,这个库更加注重易用性和跨平台兼容性之间的平衡点调整;另外还特别强调安全性保障措施的重要性——这对于企业级客户来说尤为重要。 #### 5. **AutoGen** 最后提到 AutoGen ,这是一个高度自动化的生成型代理系统开发环境 。 它内部实现了许多先进的算法机制用来优化性能表现指标比如响应速度等方面都有不错的表现效果; 同时也保留足够的灵活性让用户自定义参数设置达到最佳匹配状态下的操作体验感[^2]。 以上便是关于几个较为流行的AI Agents Frameworks简单概述说明文档内容总结整理而成的结果展示页面布局样式设计方案探讨交流分享环节结束后的最终结论部分呈现形式如下所示: ```plaintext +-------------------+ | Framework | | Feature | +===================+ | LangChain | | Modular design...| +-------------------+ | LangGraph (?) | | Graph-based data.| +-------------------+ | CrewAI | | Rapid prototyping.| +-------------------+ |Semantic Kernel(MS)| | Easy-to-use & safe.| +-------------------+ | AutoGen | | Automated tuning..| +-------------------+ ```
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值