2018年11月机器学习Github开源项目TOP 10

2018年12月03日 由 浅浅 发表 677605 0
2018年11月机器学习Github开源项目TOP 10在过去的一个月里,我们将250个机器学习开源项目进行排名,选出前10位。

在此期间,我们将项目与新的或主要版本进行了比较。Mybridge AI根据各种因素对项目进行排名,以衡量专业人员的质量。

这个版本所有项目在Github上的平均评星:2713

主题:NLP,Hentai,应用RL,强化学习,深度学习,自动化,图形网络,MAME RL算法,模型压缩,R-CNN

1.Bert


BERT是一种预训练语言表征的方法,这意味着我们在大型文本语料库(如维基百科)上训练通用的“语言理解”模型,然后将该模型用于下游NLP任务(如回答问题)。BERT优于以前的方法,因为它是第一个用于预训练NLP的无监督、深度双向系统。无监督意味着BERT仅使用纯文本语料库进行训练,这很重要,因为大量纯文本数据在网络上以多种语言公开。由Google AI Research提供。

Github评星8210。

项目:github.com/google-research/bert?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

2.DeepCreamPy


这是一种基于深度学习的工具,可以通过合理的重建自动替换hentai中被审查的艺术作品。用户在诸如GIMP或Photoshop的图像编辑程序中,审查区域为绿色。神经网络填补了被和谐的区域。DeepCreamPy提供了用于Windows 64位的预构建二进制文件。DeepCreamPy适用于Windows,Mac和Linux。由deeppomf提供。

Github评星6239。

项目:github.com/deeppomf/DeepCreamPy?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

3.Horizon

Horizon是一个开源的端到端平台,用于在Facebook开发和使用的应用强化学习(RL)。Horizon是用Python构建的,使用PyTorch进行建模和训练,使用Caffe2进行模型服务。该平台包含用于训练流行的深度RL算法的工作流程,包括数据预处理,特征转换,分布式训练,反事实策略评估和优化服务。由Facebook Research提供。

Github评星1318。

项目:github.com/facebookresearch/Horizon?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

4.TRFL


TRFL是一个建立在TensorFlow上的库,它为实现强化学习代理提供了几个有用的构建块。由DeepMind提供。

Github评星1916。

项目:github.com/deepmind/trfl?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

5.DeOldify


一个基于深度学习的项目,用于给老照片着色及修复。由Jason Antic提供。

Github评星4034。

项目:github.com/jantic/DeOldify?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

6.Adanet


AdaNet是一个基于TensorFlow的轻量级框架,可以通过最少的专家干预自动学习高质量模型。AdaNet以最近的AutoML为基础,在提供学习保证的同时快速灵活。重要的是,AdaNet提供了一个通用框架,不仅可以学习神经网络架构,还可以学习集成以获得更好的模型。由TensorFlow提供。

Github评星1808。

项目:github.com/tensorflow/adanet?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

7.Graph_nets


Graph Nets是DeepMind的库,用于在Tensorflow和Sonnet中构建图形网络。由DeepMind提供。

Github评星2200。

项目:github.com/deepmind/graph_nets?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

8.MAMEToolkit


这个Python库可能在任何街机游戏中模拟,以训练强化学习算法。它目前在Linux系统上可用,并可在MAME中模拟。该工具包允许算法逐步完成游戏过程,同时接收帧数据和内部存储器地址值以跟踪游戏状态,发送与游戏交互的动作。由Michael Murray提供。

Github评星364。

项目:github.com/M-J-Murray/MAMEToolkit?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

9.PocketFlow


PocketFlow是一个开源框架,以最少的人力来压缩和加速深度学习模型。PocketFlow旨在为开发人员提供易于使用的工具包,以提高推理效率,同时几乎不会降低性能。开发人员只需指定所需的压缩或加速比,然后PocketFlow将自动选择适当的超参数,以生成高效的部署压缩模型。由腾讯提供。

Github评星1304。

项目:github.com/Tencent/PocketFlow?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

10.Maskrcnn-benchmark


该项目旨在提供必要的构建块,以便使用PyTorch 1.0轻松创建检测和分割模型。由Facebook Research提供。

Github评星1304。

项目:github.com/facebookresearch/maskrcnn-benchmark?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

 

点击链接,获得更多GitHub开源项目:GitHub开源项目
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
评论 登录
写评论取消
回复取消