amazing machine learning opensource 2019

increíble-aprendizaje-automático-opensource-2019

Increíbles herramientas y proyectos de código abierto de aprendizaje automático del año pasado (v.2019)

Durante el año pasado, comparamos casi 22.000 proyectos y herramientas de código abierto de aprendizaje automático para elegir el Top 49 (0,22 % de probabilidad).

Las herramientas y proyectos se dividen en 6 categorías.

• Visión por computadora (1 ~ 5)

• Aprendizaje por refuerzo (6~13)

• PNL (14~20)

• GAN (21~26)

• Red neuronal (27~35)

• Kit de herramientas (36~49)

Esta es una lista extremadamente competitiva y selecciona cuidadosamente los mejores proyectos de aprendizaje automático de código abierto publicados entre enero y diciembre de 2018. Mybridge AI evalúa la calidad considerando la popularidad, el compromiso y la actualidad. Para que te hagas una idea de la calidad, el número medio de Github ️ es 3.566.

Suscríbase a Machine Learning Monthly: Enlace
Artículo medio original: enlace

Aprender

A) Principiante: Machine Learning, Data Science y Deep Learning con Python. TensorFlow y redes neuronales 84.632 recomendaciones, 4,5/5 estrellas

B) Avanzado: Aprendizaje por refuerzo profundo en Python. 20.396 recomendaciones, 4,6/5 estrellas

Increíble código abierto

Visión por computadora

• Detectron: plataforma de investigación de FAIR para la investigación de detección de objetos, que implementa algoritmos populares como Mask R-CNN y RetinaNet. ★18910
  

• Openpose: biblioteca de detección de puntos clave de varias personas en tiempo real para estimación del cuerpo, la cara y las manos ★11048
  

• DensePose: un enfoque en tiempo real para mapear todos los píxeles humanos de imágenes RGB 2D a un modelo del cuerpo basado en superficie 3D ★4165
  

• Maskrcnn-benchmark: Implementación de referencia modular y rápida de algoritmos de segmentación semántica y detección de objetos en PyTorch. ★3888
  

• SNIPER es un algoritmo eficiente de detección de objetos a múltiples escalas ★1963
  

Aprendizaje por refuerzo

• Psychlab: Paradigmas experimentales implementados utilizando la plataforma Psychlab (plataforma 3D para IA basada en agentes) ★5594
  

• ELF: una plataforma extensa, liviana y flexible para la investigación de juegos. Lo hemos utilizado para crear nuestro robot de juego Go, ELF OpenGo, que logró un récord de 14-0 frente a cuatro jugadores del top 30 mundial ★2406
  

• TRFL: una biblioteca de componentes básicos útiles para escribir agentes de aprendizaje por refuerzo (RL) en TensorFlow ★2312
  

• Horizon: la primera plataforma de aprendizaje reforzado de código abierto para productos y servicios a gran escala ★1702
  

• Chess-alpha-zero: Aprendizaje reforzado en ajedrez mediante métodos AlphaGo Zero. ★1307
  

• Dm_control: Paquete de control y suite de control DeepMind ★1231
  

• MAMEToolkit: Biblioteca Python de aprendizaje reforzado de juegos arcade ★437
  

• Reaver: Reaver: Marco modular de aprendizaje por refuerzo profundo. Centrado en StarCraft II. Compatible con Gym, Atari y MuJoCo. Coincide con los resultados de referencia. ★355
  

PNL

• Bert: código TensorFlow y modelos previamente entrenados para BERT ★11691
  

• Pytext: un marco de modelado de lenguaje natural basado en PyTorch ★4466
  

• Bert-as-service: un modelo de PNL desarrollado por Google para representaciones lingüísticas previas al entrenamiento. Aprovecha una enorme cantidad de datos de texto sin formato disponibles públicamente en la web y se entrena sin supervisión. ★2053
  

• UnsupervisedMT: traducción automática neuronal y basada en frases - Investigación de Facebook ★1066
  

• DecaNLP: El Decatlón del Lenguaje Natural: Un Desafío Multitarea para PNL - Salesforce ★1647
  

• Nlp-architect: Arquitecto de PNL de Intel AI Lab: biblioteca Python para explorar topologías y técnicas de aprendizaje profundo de última generación para PNL ★1751
  

• Gluon-nlp: PNL simplificada ★1262
  

Ganar

• DeOldify: un proyecto basado en aprendizaje profundo para colorear y restaurar imágenes antiguas ★5059
  

• Progressive_growing_of_gans: crecimiento progresivo de GAN para mejorar la calidad, la estabilidad y la variación ★4046
  

• MUNIT: Traducción multimodal de imagen a imagen no supervisada ★1339
  

• Transparent_latent_gan: utilice el aprendizaje supervisado para iluminar el espacio latente de GAN para la generación y edición controladas ★1337
  

• Gandissect: herramientas basadas en Pytorch para visualizar y comprender las neuronas de una GAN. ★1064
  

• GANimation: Animación facial anatómicamente consciente a partir de una sola imagen ★869
  

Red neuronal

• Fastai: simplifica el entrenamiento de redes neuronales rápidas y precisas utilizando las mejores prácticas modernas ★11594
  

• DeepCreamPy: censurar hentai con redes neuronales profundas ★7045
  

• Augmentor v0.2: Biblioteca de aumento de imágenes en Python para aprendizaje automático. ★2805
  

• Graph_nets: construir redes de gráficos en Tensorflow ★2722
  

• Textgenrnn: módulo de Python para generar texto fácilmente utilizando una red neuronal recurrente basada en caracteres previamente entrenada. ★1900
  

• Bloqueador de personas: "bloquea" automáticamente a las personas en imágenes (como Black Mirror) utilizando una red neuronal previamente entrenada. ★1806
  

• Deepvariant: DeepVariant es un proceso de análisis que utiliza una red neuronal profunda para invocar variantes genéticas a partir de datos de secuenciación de ADN de próxima generación. ★1502
  

• Video-nonlocal-net: Redes neuronales no locales para clasificación de vídeos ★1048
  

• Ann-visualizer: una biblioteca de Python para visualizar redes neuronales artificiales (ANN) ★922
  

Kit de herramientas

• Tfjs: una biblioteca de JavaScript basada en navegador, acelerada por WebGL, para entrenar e implementar modelos de aprendizaje automático. ★10265
  

• Dopamina: un marco de investigación para la creación rápida de prototipos de algoritmos de aprendizaje por refuerzo - Google ★7139
  

• Lime: Explicando las predicciones de cualquier clasificador de aprendizaje automático ★5173
  

• Autokeras: una biblioteca de software de código abierto para el aprendizaje automático automatizado (AutoML) ★4517
  

• Shap: explique el resultado de cualquier modelo de aprendizaje automático utilizando expectativas y valores de Shapley. ★3492
  

• MMdnn: un conjunto de herramientas para ayudar a los usuarios a interoperar entre diferentes marcos de aprendizaje profundo. Por ejemplo, conversión y visualización de modelos. Convertir modelos entre Caffe, Keras, MXNet, Tensorflow ★3020
  

• Mlflow: plataforma de código abierto para el ciclo de vida del aprendizaje automático ★3011
  

• Mace: un marco de inferencia de aprendizaje profundo optimizado para plataformas informáticas móviles heterogéneas. ★2978
  

• PySyft: una biblioteca de Python para un aprendizaje profundo privado y seguro. PySyft desacopla los datos privados del entrenamiento del modelo mediante el uso de computación multipartita (MPC) dentro de PyTorch ★2594
  

• Adanet: AutoML rápido y flexible con garantías de aprendizaje. ★2291
  

• Tencent-ml-images: la base de datos de imágenes de múltiples etiquetas más grande; modelo ResNet-101; 80,73% de las primeras cuentas en ImageNet ★2094
  

• Donkeycar: plataforma de hardware y software de código abierto para construir un automóvil autónomo a pequeña escala. ★1207
  

• PocketFlow: un marco de compresión automática de modelos (AutoMC) para desarrollar aplicaciones de IA más pequeñas y rápidas. ★1674
  

• DALI: una biblioteca que contiene componentes básicos altamente optimizados y un motor de ejecución para el preprocesamiento de datos en aplicaciones de aprendizaje profundo ★1012