amazing machine learning opensource 2019
1.0.0
Erstaunliche Open-Source-Tools und -Projekte für maschinelles Lernen im vergangenen Jahr (Version 2019)
Im vergangenen Jahr haben wir fast 22.000 Open-Source-Tools und -Projekte für maschinelles Lernen verglichen und die Top 49 ausgewählt (0,22 % Chance).
Die Tools und Projekte sind in 6 Kategorien unterteilt
Computer Vision (1~5)
Verstärkungslernen (6~13)
NLP (14~20)
GAN (21~26)
Neuronales Netzwerk (27~35)
Toolkit (36~49)
Dies ist eine äußerst wettbewerbsfähige Liste, in der sorgfältig die besten Open-Source-Projekte für maschinelles Lernen ausgewählt werden, die zwischen Januar und Dezember 2018 veröffentlicht wurden. Mybridge AI bewertet die Qualität anhand von Beliebtheit, Engagement und Aktualität. Um Ihnen eine Vorstellung von der Qualität zu geben: Die durchschnittliche Anzahl von Github️ beträgt 3.566.
Abonnieren Sie Machine Learning Monthly: Link
Originaler mittlerer Artikel: Link
A) Anfänger: Maschinelles Lernen, Data Science und Deep Learning mit Python. TensorFlow & Neural Networks 84.632 Empfehlungen, 4,5/5 Sterne
B) Fortgeschritten: Deep Reinforcement Learning in Python. 20.396 Empfehlungen, 4,6/5 Sterne
Detectron: FAIRs Forschungsplattform für die Objekterkennungsforschung, die beliebte Algorithmen wie Mask R-CNN und RetinaNet implementiert. ★18910
Openpose: Echtzeit-Schlüsselpunkterkennungsbibliothek für mehrere Personen zur Schätzung von Körper, Gesicht und Händen ★11048
DensePose: Ein Echtzeitansatz zur Abbildung aller menschlichen Pixel von 2D-RGB-Bildern auf ein 3D-Oberflächenmodell des Körpers ★4165
Maskrcnn-benchmark: Schnelle, modulare Referenzimplementierung semantischer Segmentierungs- und Objekterkennungsalgorithmen in PyTorch. ★3888
SNIPER ist ein effizienter Multiskalen-Objekterkennungsalgorithmus ★1963
Psychlab: Experimentelle Paradigmen implementiert mit der Psychlab-Plattform (3D-Plattform für agentenbasierte KI) ★5594
ELF: Eine umfangreiche, leichte und flexible Plattform für die Spieleforschung. Wir haben es verwendet, um unseren Go-Spielbot ELF OpenGo zu entwickeln, der einen 14:0-Rekord gegen vier Top-30-Spieler weltweit erzielte ★2406
TRFL: Eine Bibliothek nützlicher Bausteine zum Schreiben von Reinforcement Learning (RL)-Agenten in TensorFlow ★2312
Horizon: Die erste Open-Source-Plattform für verstärktes Lernen für groß angelegte Produkte und Dienstleistungen ★1702
Chess-alpha-zero: Lernen zur Schachverstärkung durch AlphaGo Zero-Methoden. ★1307
Dm_control: Die DeepMind Control Suite und das Kontrollpaket ★1231
MAMEToolkit: Arcade Game Reinforcement Learning Python Library ★437
Reaver: Reaver: Modulares Deep-Reinforcement-Learning-Framework. Konzentriert sich auf StarCraft II. Unterstützt Gym, Atari und MuJoCo. Entspricht Referenzergebnissen. ★355
Bert: TensorFlow-Code und vorab trainierte Modelle für BERT ★11691
Pytext: Ein Framework zur Modellierung natürlicher Sprache basierend auf PyTorch ★4466
Bert-as-service: Ein von Google entwickeltes NLP-Modell für das Vortraining von Sprachdarstellungen. Es nutzt eine enorme Menge an Klartextdaten, die im Internet öffentlich verfügbar sind, und wird unbeaufsichtigt trainiert. ★2053
UnsupervisedMT: Phrasenbasierte und neuronale unüberwachte maschinelle Übersetzung – Facebook-Forschung ★1066
DecaNLP: Der Zehnkampf in natürlicher Sprache: Eine Multitasking-Herausforderung für NLP – Salesforce ★1647
Nlp-architect: NLP Architect von Intel AI Lab: Python-Bibliothek zur Erkundung der modernsten Deep-Learning-Topologien und -Techniken für NLP ★1751
Gluon-nlp: NLP leicht gemacht ★1262
DeOldify: Ein auf Deep Learning basierendes Projekt zum Kolorieren und Wiederherstellen alter Bilder ★5059
Progressive_growing_of_gans: Progressives Wachstum von GANs für verbesserte Qualität, Stabilität und Variation ★4046
MUNIT: Multimodale unbeaufsichtigte Bild-zu-Bild-Übersetzung ★1339
Transparent_latent_gan: Verwenden Sie überwachtes Lernen, um den latenten Raum von GAN für die kontrollierte Generierung und Bearbeitung zu beleuchten ★1337
Gandissect: Pytorch-basierte Tools zur Visualisierung und zum Verständnis der Neuronen eines GAN. ★1064
GANimation: Anatomisch bewusste Gesichtsanimation aus einem einzigen Bild ★869
Fastai: Es vereinfacht das Training schneller und genauer neuronaler Netze mithilfe moderner Best Practices ★11594
DeepCreamPy: Dezensierung von Hentai mit tiefen neuronalen Netzen ★7045
Augmentor v0.2: Bilderweiterungsbibliothek in Python für maschinelles Lernen. ★2805
Graph_nets: Erstellen Sie Graphnetze in Tensorflow ★2722
Textgenrnn: Python-Modul zum einfachen Generieren von Text mithilfe eines vorab trainierten, zeichenbasierten rekurrenten neuronalen Netzwerks. ★1900
Personenblocker: Personen in Bildern (wie Black Mirror) mithilfe eines vortrainierten neuronalen Netzwerks automatisch „blockieren“. ★1806
Deepvariant: DeepVariant ist eine Analysepipeline, die ein tiefes neuronales Netzwerk nutzt, um genetische Varianten aus DNA-Sequenzierungsdaten der nächsten Generation abzurufen. ★1502
Video-nonlocal-net: Nicht-lokale neuronale Netze zur Videoklassifizierung ★1048
Ann-Visualizer: Eine Python-Bibliothek zur Visualisierung künstlicher neuronaler Netze (ANN) ★922
Tfjs: Eine WebGL-beschleunigte, browserbasierte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen. ★10265
Dopamin: Ein Forschungsrahmen für schnelles Prototyping von Reinforcement-Learning-Algorithmen – Google ★7139
Lime: Erklären der Vorhersagen aller Klassifikatoren für maschinelles Lernen ★5173
Autokeras: Eine Open-Source-Softwarebibliothek für automatisiertes maschinelles Lernen (AutoML) ★4517
Shap: Erklären Sie die Ausgabe eines beliebigen Modells für maschinelles Lernen mithilfe von Erwartungen und Shapley-Werten. ★3492
MMdnn: Eine Reihe von Tools, die Benutzern die Zusammenarbeit zwischen verschiedenen Deep-Learning-Frameworks erleichtern. ZB Modellkonvertierung und Visualisierung. Konvertieren Sie Modelle zwischen Caffe, Keras, MXNet, Tensorflow ★3020
Mlflow: Open-Source-Plattform für den Lebenszyklus des maschinellen Lernens ★3011
Mace: Ein Deep-Learning-Inferenz-Framework, das für mobile heterogene Computerplattformen optimiert ist. ★2978
PySyft: Eine Python-Bibliothek für sicheres, privates Deep Learning. PySyft entkoppelt private Daten vom Modelltraining mithilfe von Multi-Party Computation (MPC) in PyTorch ★2594
Adanet: Schnelles und flexibles AutoML mit Lerngarantien. ★2291
Tencent-ml-images: Größte Multi-Label-Bilddatenbank; ResNet-101-Modell; 80,73 % Top-1-Acc auf ImageNet ★2094
Donkeycar: Open-Source-Hardware- und Softwareplattform zum Bau eines kleinen selbstfahrenden Autos. ★1207
PocketFlow: Ein Framework zur automatischen Modellkomprimierung (AutoMC) zur Entwicklung kleinerer und schnellerer KI-Anwendungen. ★1674
DALI: Eine Bibliothek, die sowohl hochoptimierte Bausteine als auch eine Ausführungs-Engine für die Datenvorverarbeitung in Deep-Learning-Anwendungen enthält ★1012
