在过去的四年里，我们通过我们的年度数据科学社区脉搏数据科学家的调查。当然，2018年也没有什么不同。虽然我们证实了一些我们预期的事情——即，数据科学家热爱他们的工作，他们的工作越来越多地被用于人工智能项目——但有一件事我们没有完全预料到，那就是开源机器学习框架的至高无上地位高于一切:
结果，正如您所见，非常惊人。绝大多数最受欢迎的框架是开源。你为什么要问？我们有一些想法：
1.他们是免费的!
说开源框架是免费的显然是一个明显的声明，但它确实构成了个人和公司经常求助于它们的首要原因之一。在清楚地理解您的用例之前，早期投资于费用许可并不是一个合理的方法。研发团队很欣赏这种灵活性，他们可以比较许多不同的选择，并在没有任何附加条件的情况下进行试验，直到他们承诺一个特定的框架。此外，研究机构和早期初创企业构成了两个最多产的技术创新中心，它们也同样需要选择对它们来说具有成本效益的选项，通常最终依赖于开源解决方案。bob平台app下载
2.开源框架通常会更快地进入市场
开源软件通常比专有软件更快，因为它的发展大多是敏捷的，特别是当它由单身个人或才华横溢的AI从业者编写时。没有路线图规划，没有优先级。它只是“发生。”因此，每种算法通常存在多种实现或每个技术问题机器学习专家需要解决。
3.“整体支持”经常击败客户支持
人们自然不会将开源库与高质量支持的想法相关联，因为，好吧，没有支持。事实上，许多这样的框架不警告我们，结果没有保证，并以自己的风险使用它们。
然而，开放源代码有一个令人难以置信的优势，那就是可以聚集大量热情的开发人员和用户来解决一个共同的问题。开源背后的关键概念是什么可以被称为“群体编码”，也可以被称为“群体测试”。最重要的是，尽管所有这些用户都面临着类似的技术挑战，但他们经常在不同的用例或业务问题的上下文中从不同的角度考虑这些挑战。他们是现实生活中的用户，自然会成为对改进同一工具来解决他们自己现实生活中的问题感兴趣的贡献者。
因此，新特性被定期添加，并且很有可能，如果您需要该工具的新功能，其他人也可能需要同样的改进，并且实际上可能已经开始在这方面工作了。正因为如此，开源软件开发可能比专有解决方案更敏捷，因为专有解决方案需要您提交一个特性请求，然后希望您正在使用的工具的制造者能够优先考虑它。bob平台app下载开源工具通常会受到现实问题的启发进行整体改进。
同样，由于软件用户的数量和多样性，开放源代码是在现实环境中进行测试的，而不是在办公室中的工程团队中。在其他的团队中，它被其他人完全避免了，并且进行了比专有软件更广泛的测试阶段。
4.尖端技术经常源于开源
如果您喜欢阅读研究论文，您可能会知道许多研究组创建了与他们提交的工作的开源库，他们提交给同行评审。这意味着最先进的研究主题（特别是与机器学习的人员）通常以开放源代码的形式提供，然后在它成为专有软件的形式之前。
考虑到，在研究的背景下，使用专有软件是创新的障碍，因为它的用法限制了与其他机构的同行分享的机会与其他研究小组合作。通过反对来，开源解决方案的使用有助于推进研究和推动人类知识的界限，因为与“工业”bob平台app下载解决方案相比，它们通常更轻便和实验。
他们提供了“使用代码混淆”的能力
开源代码的一个重要特征是它，良好，打开。这意味着他们为用户提供了访问，读取和互动的能力，以了解它是如何运作的以及它所做的操作，而且还根据需要从客户切换到开发人员。用户有能力在可能找到必要时进行代码修改。开源库更容易适应新的用例或与其他开源库组合。
6.它为私有用户提供了更好的可访问性
让我们面对这样一个事实:虽然机器学习的创新很大一部分来自个人贡献者(学生、从事业余项目的机器学习专业人员，或其他对机器学习和人工智能有激情的人)，但并非所有专有软件都是为私人用户定价的。同样，我们也经常看到专门针对企业用户的专有软件，因此很多用户并不知道这一点。相比之下，开放源码通常得到广泛宣传和使用。也就是说，数据科学家通常在职业生涯的早期就熟悉和熟悉这些工具，使用他们熟悉的框架可以更快地提供更多价值。
7.它具有较少的商业限制
品牌名称框架有时会带来伴随的许可问题和限制腿筋从业者从解决方案获取他们真正需要的东西。如果许可证允许使用他们需要的许可证，则使用开源平台的从业者不仅可以随意尝试，而且，正如我们在上一节所述，他们可能会发现已经完成的其他用户实验的一些分数并脱离了这些成功。
8.一种回馈和骄傲的感觉
最后但并非最不重要的是，开源框架还有一个社交方面。在同样的方式,博客已经被整整一代来获得认可和可见性在社区里,导致开源代码是程序员获得信用的在他们的专业网络(现在它是非常频繁的看到一个链接到GitHub库的简历),与志同道合的专业人士保持联系，并掌握最新的技术发展。
最后，开展机器学习平台或机器学习库的代码可以构成有兴趣在人工智能领域的思想领导的公司获得真正的战略优势，并吸引人才和潜力的注意力顾客。
把它整合在一起，你可以开始了解这些开源框架的原因如此流行。它们提供了一些严重的优势，并让从业者通过自身和社会进行实验，并与其他志同道合的机器学习专家。而且，当然，价格也没有伤害。
