Python es, con mucho, el lenguaje más común para trabajar en redes neuronales. Tiene toneladas de bibliotecas y debería ser la opción predeterminada en cualquier proyecto, a menos que haya una razón sólida en contra. una biblioteca de software de código abierto para Machine Intelligence, documentación de Keras, bienvenida – La documentación de Theano 0.8.2 es muy popular. Hay demasiados para contar. Las bibliotecas como tensorflow y mxnet tienen múltiples interfaces de idiomas, pero Python es el más popular.
Lua es el segundo más popular con su biblioteca de antorchas. Antorcha | Computación científica para LuaJIT. .
C ++ se puede usar si se quiere codificar todo desde cero y no se necesitan bibliotecas. También hay algunas bibliotecas como metadiff y tinycnn disponibles para C ++.
- ¿Puedo hacer IA y aprendizaje automático sin matemáticas?
- Cómo hacer LDA
- ¿Cuáles son las suposiciones hechas por los modelos ocultos de Markov?
- En la clasificación SVM, ¿es posible encontrar la muestra de entrenamiento más cercana a la muestra de prueba dada?
- ¿Cuándo la pérdida cuadrada no es buena para la función de pérdida para la regresión?
Incluso menos personas usan Matlab / Octave hoy en día. Alguna vez fueron muy comunes.
También Tensorflow recientemente tiene su propio Ruby somaticio / tensorflow.rb y OCaml LaurentMazare / tensorflow-ocaml frontends.
MXNet se puede usar de R y Julia . Documentos MXNet
Julia también solía tener sus propios marcos nativos que parecen menos contribuidos a pluskid / Mocha.jl
Java (y scala) se pueden usar con Open Source, Distributed Deep Learning para la biblioteca JVM.
