Python 由于本身的易用優勢和強大的工具庫儲備，成為了在人工智能及其它相關科學領域中最常用的語言之一。尤其是在機器學習，已然是各大項目最偏愛的語言。

其實除了?Python ，也不乏有開發者用其他語言寫出優秀的機器學習項目。在此，列出其中一些個人認為值得關注的開源機器學習項目。由于篇幅有限，考慮分多期整理。

?

1、C

?

Darknet?——?神經網絡框架

?

Darknet 是一個用 C 和 CUDA 編寫的開源神經網絡框架。它快速，易于安裝，并支持 CPU 和 GPU 計算。

?

?

CCV??—— 計算機視覺庫

?

CCV 是 C-based/Cached/Core Computer Vision Library 的簡稱, 它是一個現代的計算機視覺庫。

?

CCV 是一種以應用驅動的算法庫，比如對靜態物體（如人臉）的快速檢測算法、對某些不容易定位物體（如貓）的準確檢測算法、藝術文本的檢測算法、長期目標的跟蹤算法和特征點檢測算法。

?

2、C++

?

CNTK?——?深度學習工具包

?

微軟出品的開源深度學習工具包，它把神經網絡描述成一個有向圖的結構，葉子節點代表輸入或者網絡參數，其他節點計算步驟。

?

CNTK 不僅使深度神經網絡（DNN）、卷積神經網絡（CNN）、循環神經網絡（RNN）和長短時記憶單元（LSTM）的實現變得非常容易，還支持多個 GPU 組合、服務器自動分化和并行的隨機梯度下降（SGD）學習。

?

?

Caffe??——?深度學習框架

?

Caffe 是一個清晰而又高效的深度學習框架，模型與相應優化都是以文本形式而非代碼形式給出，并給出了模型的定義、最優化設置以及預訓練的權重，方便立即上手。同時，它能夠運行最棒的模型與海量的數據，也能很方便擴展到新的任務和設置上。

?

Kaldi?—— 語音識別工具包

?

Kaldi 是用 C ++ 編寫的語言識別工具包，旨在供語音識別研究人員使用，且易于修改和擴展。它在設計之初就盡可能地以最通用的形式提供的算法，以保證其可擴展性。

?

?

3、Go

?

CloudForest?——?決策樹組合算法

?

純 Go 編寫的快速、靈活、多線程的決策樹，允許一些相關的算法用于具有缺失值的異構數據的分類、回歸、特征選擇和結構分析。它可以實現更快的訓練時間，非常適合現代處理器來學習二進制。

?

?

4、Java

?

CoreNLP?——?自然語言處理工具

?

coreNLP 是斯坦福大學開發的一套關于自然語言處理的工具，使用簡單功能強大。它可以通過輸入原始文本，給出單詞的基本形式，它們的詞性、公司、人員的名稱、解釋日期、時間和數量等等。它最初針對英語開發，但現在也已支持中文。

?

?

H2O?—— 機器學習和預測分析框架

?

H2O 是一個分布式的、基于內存的、可擴展的機器學習和預測分析框架，適合在企業環境中構建大規模機器學習模型。它使用開發者熟悉的界面，可與 Hadoop 和 Spark 等大型數據技術無縫工作。它也提供許多流行算法的實現，例如 GBM、Random Forest、Deep Neural Networks、Word2Vec 等。?

?

?

Deeplearning4J?——?分布式神經網絡庫

?

Deeplearning4J 是一個使用 Java 和 Scala 編寫的分布式神經網絡庫，集成了 Hadoop 和 Spark ，設計用于運行在分布式 GPU 和 CPU 上的商業環境。它即插即用，方便開發者在 APP?中快速集成深度學習功能

Deeplearning4j 包括了分布式、多線程的深度學習框架，以及普通的單線程深度學習框架。

?

?

5、Javascript

?

Natural?—— 自然語言處理工具

?

node.js 下用的自然語言處理工具，支持詞法分析、詞干分析、分類、語音、反比文檔頻數權重評價、WordNet、字符串相似度等處理。

?

ConvNetJS?—— 深度學習庫

?

ConvNetJS 是一個基于 JavaScript 的深度學習庫，可以讓你在瀏覽器中訓練深度網絡。它可以幫助深度學習初學者更快、更直觀的理解算法通，過一些簡單的?Demo?給用戶最直觀的解釋。

?

總結

以上是生活随笔為你收集整理的Python作为机器学习语言的老大，跟在它后面的语言都是谁？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。