目前，人工智能是科技界不断发展的领域之一，主要侧重于构建软硬件，以便在医疗、教育、安全、制造、银行及其他众多领域解决日常生活中的挑战。我们在本文中将介绍几款面向linux生态系统的顶尖开源人工智能工具。

下面列出了为支持人工智能设计和开发的诸多平台，你可以在Linux及其他许多操作系统上使用。 切记： 介绍顺序不分先后。

1. Deep Learning For Java(Deeplearning4j)

Deeplearning4j是一种商用级、开源、即插即用的分布式深度学习库，面向Java和Scala编程语言。它是专门为商业相关应用设计的，并与分布式CPU和GPU上的Hadoop和Spark整合起来。

DL4J采用Apache 2.0许可证发布，它提供了GPU支持，以便在AWS上进行扩展，并且适用于微服务架构。

Deeplearning4j - Deep Learning for Java

2. Caffe 深度学习框架

Caffe是一种模块化、表达式的深度学习框架，以速度见长。它采用BSD 2-Clause许可证发布，已经支持研究、初创公司原型以及视觉、速度和多媒体之类的工业应用等领域的几个社区项目。

Caffe 深度学习框架

3. H20 分布式机器学习框架

H20是一种开源、快速、可扩展的分布式机器学习框架，另外该框架还有各种各样的算法。它支持更智能化的应用，比如深度学习、梯度提升、随机森林、广义线性建模(比如逻辑回归和弹性网络)以及其他更多。

这是一种面向企业的人工智能工具，用于利用数据做决策，它让用户能够使用更快速、更准确的预测建模，从数据获取洞察力。

H2O 分布式机器学习框架

4. MLlib 机器学习库

MLli是一种开源、易于使用、高性能的机器学习库，是作为Apache Spark的一部分开发的。它实际上易于部署，可以在现有的Hadoop集群和数据上运行。

MLlib还随带一系列算法，可用于分类、回归、推荐、聚类、生存分析及更多方面。重要的是，它可以用在python、Java、Scala和R等编程语言中。

MLlib 机器学习库

5. Apache Mahout

Mahout是一种开源框架设计工具，用于构建可扩展的机器学习应用程序，它拥有如下三大功能：

提供简单、可扩展的编程工作环境。 提供诸多预包装算法，支持Scala + Apache Spark、H20以及Apache Flink。 包括Samaras，这是一种向量数学试验型工作环境，拥有类似R的语法。

Apache Mahout

6. 开放神经网络库(OpenNN)

OpenNN也是一种用C++编写的开源类库，面向深度学习，它用于构建神经网络。然而，它最适合经验丰富的C++程序员以及机器学习技能出色的人员。它的特点就是拥有深度架构和高性能。

OpenNN 开放神经网络库

7. Oryx 2

Oryx 2是最初的Oryx项目的延续，它是在Apache Spark和Apache Kafka上开发的，重新设计了Lambda架构，不过专门面向实时机器学习。

这是个应用开发平台，还随带协作过滤、分类、回归和聚类等方面的某些应用程序。

Oryx2 重新设计Lambda架构

8. OpenCyc

OpenCyc是一种开源门户网站，通向世界上最大、最全面的一般知识库和常识推理引擎。它包括大量的Cyc术语，这些术语用一种精确设计的本体来排列，支持这些领域的应用：

丰富领域建模 特定领域专家系统 文本理解 语言数据整合、人工智能游戏及其他

OpenCyc

9. Apache SystemML

SystemML是一种面向机器学习的开源人工智能平台，最适合大数据。主要功能特性：支持类似R和Python的语法，专注于大数据，专门为高级数学设计。主页上详细解释了其工作原理，包括视频演示，作了明确的讲解。

有几个方法可以使用它，包括Apache Spark、Apache Hadoop、Jupyter和Apache Zeppelin。一些重要的使用场合包括汽车、机场交通和社群金融。

Apache SystemML 机器学习平台

10. NuPIC

NuPIC是一种机器学习开源框架，基于分层时间记忆(HTM)，这是一种大脑皮层理论。用NuPIC集成的HTM程序是为分析实时流数据而实践的，它能学习数据中基于时间的模式，预测当前值，并且发现任何不规则的地方。

它的重要功能特性包括如下：

持续在线学习 时间和空间模式 实时流数据 预测和建模 强大的异常检测 分层时间记忆

NuPIC机器学习

由于人工智能领域的研究方兴未艾，我们势必会看到更多的工具涌现出来，有助于让这个技术领域大获成功，尤其是用于克服日常的科学挑战，并且满足教学用途。