站点介绍
Deeplearning4;是为数不多的以ava虛拟机(IM)为目标，以ava原生编写的机器学习框架之一。该框架由位于旧金山的一组机器学习开发人员开发，并由初创公司Skymind提供商业支持。Deeplearning4i于2017年10月捐赠给了Eclipse基金会。该库与Clojure和Scala兼容。
对于集群和分布式训练，Deepleamning4i与Apache spark和Apache Hadoop集成。它还与NVIDIA CUDA运行时集成，可在多个GPU之间执行GPU操作和分布式训练。
Deeplearning4;包括一个使用ND4)的n维数组类，该类允许在Java和Scala中进行科学计算，与NumPy提供给Python的函数类似。它可以有效地用作执行线性代数和矩阵操作的库，用于训练和推理。
Deeplearning4j可以用于训练模型，这些模型可以执行图像分类、对象检测、图像分割、自然语言处理和时间序列预测。
相似站点
RapidMiner
人人适用的人工智能 数据科学最适合作为一项团队运动。我们不只是为每个人提供一些东西--我们为每个人提供一切。 快速地、向前! 两位创新者齐聚一堂，转变业务分析。Altair 收购了 RapidMiner。 Altair 和 RapidMiner 有着相同的愿景，即让数据分析对所有用户都足够简单，但对所有企业都足够可扩展、受监管和安全。RapidMiner 是企业就绪的数据科学平台，可放大您的人员、专业知识和数据的集体影响，以获得突破性的竞争优势。 RapidMiner 诞生于 2001 年多特蒙德大学的一个数据科学项目。我们的目标是忠于我们的学术根源，同时不断创新和发展，以实现我们重塑企业 A1的使命，让任何人都有能力积极塑造未来。
Orange
数据挖掘，富有成果和乐趣 开源机器学习和数据可视化。使用大型、多样化的工具箱以可视化方式构建数据分析工作流。 交互式数据可视化 通过巧妙的数据可视化执行简单的数据分析。探索统计分布、箱线图和散点图，或深入研究决策树、层次聚类热图、MDS 和线性投影。甚至您的多维数据也可以在 2D 中变得有意义，尤其是通过巧妙的属性排序和选择, 可视化编程 交互式数据探索，可通过清晰的可视化进行快速定性分析。图形用户界面使您可以专注于探索性数据分析而不是编码，而巧妙的默认设置使数据分析工作流程的快速原型制作变得极其容易。将小部件放在画布上，连接它们，加载您的数据集并收获洞察力! 老师和学生喜欢它 在教授数据挖掘时，我们喜欢举例说明，而不仅仅是解释。0range 在这方面做得很好。Orange 在世界各地的学校、大学和专业培训课程中使用，支持动手培训和数据科学概念的可视化说明。甚至还有专为教学设计的小部件 附加组件扩展功能 使用 Orange 中可用的各种附加组件从外部数据源挖掘数据，执行自然语言处理和文本挖掘，进行网络分析，推断频繁项集和进行关联规则挖掘。此外，生物信息学家和分子生物学家可以使用 Orange 通过差异表达对基因进行排序并进行富集分析。
