最全数据科学C/C++机器学习库整理，再也不用百度搜了 C++在数据科学及大数据中到底

C++在数据科学及大数据中到底有多重要？
引言和动机--为什么是C++？C++是动态负载平衡、自适应缓存、开发大型数据框架和库的理想选择。谷歌的MapReduce ， MunGDB ，下面列出的大多数深度学习库都是用C++实现的。以超低延迟和极高吞吐量著称的Scylla ，使用C++作为Apache Casand and Amazon DynDoDB的替代者进行编码。
C++作为编程语言（包括内存管理、性能特性和系统编程）的一些独特优势，绝对是开发快速可扩展的数据科学和大数据库最有效的工具之一。
此外， Julia（由麻省理工学院开发的一种编译的交互式语言）正在成为Python在科学计算和数据处理领域的潜在竞争对手。其快速处理速度、并行性、静态以及动态键入和用于插入库的 C++ 绑定功能，简化了开发人员/数据科学家集成和使用 C++ 作为数据科学和大数据库的工作。
【最全数据科学C/C++机器学习库整理，再也不用百度搜了】1. 来自谷歌AI的TensorFlow
由 Google 开发的热门深度学习库，它拥有自己的工具、库和社区资源生态系统，使研究人员和开发人员能够轻松构建和部署 ML 支持的应用程序。
官方文档：
GitHub：
2. Berkeley（伯克利）的Caffe
伯克利视觉和学习中心开发了用于快速功能嵌入或 Caffe C++卷积架构的深度学习框架。
GitHub：
3. 微软认知工具包（CNTK）
微软认知工具包是一个统一的深度学习工具包，它通过定向图帮助将神经网络翻译为一系列计算步骤。
GitHub：
4. mlpack 库
mlpack是一个快速、灵活的机器学习库，用 C++编写，提供具有 Python 绑定、Julia 绑定和 C++ 类的最先进的机器学习算法。
GitHub：
5. DyNet
动态神经网络工具包（支持动态计算图形）或 DyNet 是一种用 C++ （在 Python 中具有绑定）编写的高性能神经网络库，可以在 CPU 或 GPU 上高效运行。它支持自然语言处理、图形结构、强化学习等。
GitHub：
6. Shogun
Shogun 是一个开源机器学习库，它提供广泛的高效和统一的机器学习方法，如多种数据表示、算法类和通用工具的组合，用于快速原型设计数据管道。
GitHub：
7. FANN
快速人工神经网络（FANN）是C语言中的多层人工神经网络，支持完全连接和稀疏连接的网络。它支持固定点和浮点中的跨平台执行。此外，它还支持基于拓扑的不断发展训练和基于反传播的DL模型培训。
GitHub：
8. OpenNN
开放神经网络（OpenNN）是一个开源（C/C++）神经网络高性能库，用于高级分析，支持分类、回归、预测等。
GitHub：
9. SHARK库
Shark 是一个快速、模块化、通用的开源机器学习库（C/C++），用于应用和研究，支持线性和非线性优化、基于内核的学习算法、神经网络以及各种其他机器学习技术。
GitHub：
10. Armadillo
Armadillo 是一个线性代数（C/C++）库，其功能类似于 Matlab 。该库以快速将研究代码转换为生产环境、模式识别、计算机视觉、信号处理、生物信息学、统计学、计量经济学等而著名。
文章插图
11. Faisis
faiss：此库（C/C++）用于高效相似性搜索和密集向量聚类。它包含以任何大小的向量集进行搜索的算法，这些向量可能不适合 RAM 中的矢量集。它还支持通过 CUDA 提供的可选 GPU 和可选 Python 接口。
GitHub：
12.随机森林

13. Boosting
XGBoost – 并行优化的通用梯度提升库。
GitHub：
ThunderGBM – 用于 GPU 上的 GBDTs 和随机森林的快速库。
GitHub：
LightGBM – 基于决策树算法的快速、分布式、高性能梯度提升（GBDT、GBRT、GBM 或 MART）框架，用于排名、分类和许多其他机器学习任务。
GitHub：
CatBoost – 决策树库上的通用梯度提升，具有开箱即用的分类功能支持。它易于安装，包含快速推理实现，并支持 CPU 和 GPU（甚至多 GPU）计算。
GitHub：
14. 推荐系统
Recommender（推荐） – 一个 C 语言库，使用协作过滤（CF）进行产品推荐/建议。
GitHub：
混合推荐系统 – 基于scikit学习算法的混合推荐系统。
GitHub：
15. 自然语言处理
BLLIP 解析器 -- BLLIP 自然语言解析器（也称为查尼亚克 -约翰逊解析器）。
GitHub：
colibri-core -- C++库、命令行工具和 Python 绑定，用于快速、高效记忆地提取和处理基本语言结构（如 n-gram 和 skiagram）。