1. Gorgonia
• 特点: 类似于 TensorFlow 的 Go 深度学习框架，支持自动微分和计算图。
• 适用场景:
• 神经网络。
• 机器学习任务。
• 功能:
• 支持张量计算。
• 自动梯度计算。
• GPU 支持。
• 安装:
go get -u gorgonia.org/gorgonia
• 官网 : https://gorgonia.org/
2. Gonum
• 特点: 强大的数值计算库，适用于数学和科学计算。
• 适用场景:
• 数据分析和预处理。
• 数值优化。
• 功能:
• 矩阵和向量运算。
• 统计学和随机数生成。
• 插值和拟合。
• 安装:
go get -u gonum.org/v1/gonum/...
• 官网 : Gonum
3. GoML
• 特点: 简单易用的机器学习库，支持常见算法。
• 适用场景:
• 分类、回归。
• K-means 聚类。
• 安装:
go get -u github.com/cdipaolo/goml
• GitHub : https://github.com/cdipaolo/goml
4. TensorFlow for Go
• 特点: TensorFlow 的 Go 绑定，适合加载和运行预训练模型。
• 适用场景:
• 部署深度学习模型。
• 推理任务。
• 安装:
go get github.com/tensorflow/tensorflow/tensorflow/go
5. Fuego
• 特点: 用于强化学习的 Go 库。
• 适用场景:
• 游戏 AI。
• 强化学习实验。
• GitHub : https://github.com/schollz/fuego
6. EvoGo (EAopt)
• 特点: 进化算法框架，用于解决优化问题。
• 适用场景:
• 遗传算法。
• 复杂优化问题。
• GitHub : https://github.com/MaxHalford/eaopt
7. go-deep
• 特点: 用于深度学习的简单库，支持前馈神经网络。
• 适用场景:
• 基础深度学习任务。
• 简单神经网络实现。
• 安装:
go get -u github.com/patrikeh/go-deep
8. Emergent
• 特点: 基于生物学原理的 AI 模拟框架。
• 适用场景:
• 神经网络仿真。
• 生物启发计算。
• 官网 : https://github.com/emer/emergent
9. MLGO
• 特点: 集成多种机器学习算法的库。
• 适用场景:
• 快速构建机器学习模型。
• 监督学习和无监督学习。
• GitHub : https://github.com/nikolaydubina/mlgo
10. GoLearn
• 特点: 知名的机器学习库，类似于 Python 的 scikit-learn。
• 适用场景:
• 常见的机器学习算法。
• 数据集加载和预处理。
• 安装:
go get -u github.com/sjwhitworth/golearn
• GitHub : https://github.com/sjwhitworth/golearn