机器学习是一个研究领域，让机器无需直接编程就能学习。由于许多学生、教师、开发者和数据科学家使用机器学习来开发各种项目和产品，机器学习开发方兴未艾。然而，开发机器学习模型对系统规格有很高的要求，因为有时模型训练过程可能需要2小时到2天甚至更久。
【清一色.com快译】机器学习是一个研究领域，让机器无需直接编程就能学习。由于许多学生、教师、开发者和数据科学家使用机器学习来开发各种项目和产品，机器学习开发方兴未艾。然而，开发机器学习模型对系统规格有很高的要求，因为有时模型训练过程可能需要2小时到2天甚至更久。因此，低端系统无力处理机器学习模型的训练;就算勉强可以训练模型，也很可能会出现严重的系统问题。
然而有许多开源机器学习环境可用，它们对系统规格没有任何要求，可使用云基础架构在最短的时间内训练模型。以下是几种高效和常用的在线机器学习环境：
1. Google Colaboratory
这是谷歌提供的一项易于访问的云服务，用于开发产品和项目。它支持免费的GPU，基于Jupyter Notebooks环境。它为所有人提供了一个论坛，以便使用广泛使用的库(比如PyTorch、TensorFlow和Keras)，构建机器学习和深度学习应用。它让您的系统可以不必处理机器学习活动的全部工作量。它是同类中最成功的平台之一。
- 内存—12 GB至26.75 GB
- 磁盘空间—25 GB
- CPU核心—2个
- 支持的语言—Python
2. IBM Watson
IBM推出了支持开源解决方案的Watson数据平台和数据科学体验(DSX)。它终于推出了可自由选择的多云平台，以处理数据科学工作。这是借助通过Kubernetes实行容器化来实现的。因而，它可以分布在存储数据的Docker或CloudFoundry容器中。
- 内存—16GB
- 磁盘空间—90 GB
- CPU核心—4个
- 支持的语言—Apache Spark、Python、R和Scala
3. Kaggle Kernel
这是面向云端深度学习和机器学习应用的出色平台。 Kaggle和Colab有诸多相似之处，都是谷歌的产品。它在浏览器中支持Jupyter Notebooks。Jupyter Notebooks的许多键盘快捷方式与Kaggle几乎相同。Kaggle拥有庞大的数据集，还有广泛的社区致力于宣传、学习和验证数据科学技能。GPU和TPU的使用在Kaggle内核中有一些方面的限制。
- 内存—25GB
- 磁盘空间—155 GB
- CPU核心—1个
- 支持的语言—Python和R
4. Coclac
它是用于计算、研究、协作和编写文档的虚拟在线工作区。这包括使用各种科学语言，提供LaTeX、R/knitr或Markdown中的创作文本功能、基于Web的Linux控制台、时间旅行功能以及聊天室和课程管理等网络资源。然而，其大多数功能仅供付费用户使用。
- 内存—16GB
- 磁盘空间—20 GB
- CPU核心—3个
- 支持的语言—Julia、Octave、Python、SageMath和R Statistics等
5. Microsoft Azure
微软的Azure Notebooks在功能上与Colab相似，但以速度取胜，这方面比Colab好得多。Azure Notebooks是一系列链接笔记本，名为Libraries(库)。这些库还能存储您的数据，假设每个数据文件都小于100MB。Azure Notebooks更适合基本应用。Azure仅提供12个月的免费服务。
- 内存—可变
- 磁盘空间—可变
- CPU核心—可变
- 支持的语言—Python、R和F#
原文标题：Top 5 Open-Source Online Machine Learning Environments，作者：Rituraj Saha
【清一色译稿，合作站点转载请注明原文译者和出处为清一色.com】
©本文为清一色官方代发，观点仅代表作者本人，与清一色无关。清一色对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。本文不作为投资理财建议，请读者仅作参考，并请自行承担全部责任。文中部分文字/图片/视频/音频等来源于网络，如侵犯到著作权人的权利，请与我们联系（微信/QQ:1074760229）。转载请注明出处：清一色财经
微信扫码打赏 
支付宝扫码打赏 
