【導(dǎo)讀】我們從過去一個月近 250 個有關(guān)機(jī)器學(xué)習(xí)的開源項目中,精心挑選出了最熱門的 10 個。在挑選過程中,我們始終在各個項目之間作比較。Mybridge AI 基于大量的因素來估量項目的專業(yè)水平,從而對其進(jìn)行排名。
(此前發(fā)布過多篇收藏黨喜歡的文章,也是來自Mybridge:① 9月精選機(jī)器學(xué)習(xí)文章Top10 ② 9月推薦 | 從近1000篇Python文章中精選Top10③9月Python開源項目Top10④ 8月精選機(jī)器學(xué)習(xí)開源項目Top10 ⑤7月Python和機(jī)器學(xué)習(xí)最佳開源項目Top 10! ⑥Python熱文Top10,精選自1000篇文章 ⑦ 干貨 | 1400篇機(jī)器學(xué)習(xí)的文章中,這10篇是最棒的?。?/p>
這些項目在 Github 上獲得的平均 star 數(shù)高達(dá) 728,涉及的話題包括:研究框架、AutoML 庫、深度學(xué)習(xí)、PyTorch、TSNE、算法工具箱、Fairness-ai、DeepDetect、僵尸射擊游戲。
對于程序員來說,開源項目是十分有幫助的。希望你能從中找到可以激發(fā)你靈感的有趣項目。最后祝大家節(jié)日快樂!
▌No.2 TransmogrifAI:用于建立機(jī)器學(xué)習(xí)工作流的 AutoML 庫
TransmogrifAI 是用 Scala 編寫的 AutoML 庫,運行在 Spark 上。該框架的開發(fā)初衷在于通過機(jī)器學(xué)習(xí)自動化技術(shù),以及提升編譯速度與可重復(fù)利用性的 API,來提高機(jī)器學(xué)習(xí)開發(fā)者的開發(fā)效率。你可以在以下幾種場景使用該框架:
在幾小時內(nèi)建立可投入使用的機(jī)器學(xué)習(xí)應(yīng)用,無需幾個月的時間
輕松創(chuàng)建機(jī)器學(xué)習(xí)模型,即使你不是機(jī)器學(xué)習(xí)專業(yè)的 Ph.D
建立模塊化的、可重復(fù)利用的機(jī)器學(xué)習(xí)工作流
項目鏈接:
https://github.com/salesforce/TransmogrifAI?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌No.4 YOLOv3:基于 PyTorch 的訓(xùn)練與預(yù)測
YOLOv3 是當(dāng)前最先進(jìn)的實時檢測目標(biāo)的系統(tǒng),相比于前兩個版本,第三版針對小目標(biāo)的精度有顯著提升。YOLOv3 的 Github 目錄包含了全部基于 PyTorch 的訓(xùn)練和預(yù)測代碼。要求 Python 3.6 或以上的版本,以及三個工具包:numpy、torch、opencv-python。
項目鏈接:
https://github.com/ultralytics/yolov3?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌No.6 FastTSNE:快速且可并行的 tSNE 算法
該項目將 160,796 個來自老鼠的神經(jīng)系統(tǒng)的細(xì)胞轉(zhuǎn)錄過程進(jìn)行了可視化,項目的初衷是在沒有外部 C 或 C++ 依賴的情況下,在本地快速實現(xiàn) tSNE 算法。該工具包提供了兩種快速實現(xiàn) tSNE 的方法:
Barnes-hut tsne:源于 Multicore tSNE,適用于小規(guī)模數(shù)據(jù)集,時間復(fù)雜度為 O(nlogn)。
Fit-SNE:源于 Fit-SNE 的 C++ 實現(xiàn)方法,適用于樣本量在 10,000 以上的大規(guī)模數(shù)據(jù)集,時間復(fù)雜度為 O(n)。
項目鏈接:
https://github.com/pavlin-policar/fastTSNE?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
▌No.8 AIF360:用于檢測并去除機(jī)器學(xué)習(xí)模型偏差的開源庫
這個 AI Fairness 360 Python 庫包含一整套用于測量偏差的數(shù)據(jù)集和模型的指標(biāo),全部指標(biāo)的解釋,以及減小偏差的算法。由于 AIF360 具備一整套功能,所以在面對一個用例時,很可能難以抉擇該使用什么指標(biāo)或算法,為了解決這個問題,開發(fā)者為我們提供了可用于參考的使用指南。
項目鏈接:
https://github.com/IBM/AIF360?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
使用指南:
http://aif360.mybluemix.net/resources#guidance
▌No.10 僵尸射擊神經(jīng)網(wǎng)絡(luò):讓 AI 學(xué)習(xí)如何射擊僵尸
開發(fā)者利用神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)來對 AI 進(jìn)行訓(xùn)練,使其學(xué)習(xí)如何射擊僵尸,從而存活下來。開發(fā)者還制作了一段小視頻,來展示其訓(xùn)練過程。
項目鏈接:
https://github.com/Daporan/Zombie-Shooter-Neural-Network?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
-
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8349瀏覽量
132312 -
數(shù)據(jù)集
+關(guān)注
關(guān)注
4文章
1200瀏覽量
24619 -
開源項目
+關(guān)注
關(guān)注
0文章
36瀏覽量
7163
原文標(biāo)題:9月機(jī)器學(xué)習(xí)開源項目Top10
文章出處:【微信號:rgznai100,微信公眾號:rgznai100】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論