amazing machine learning opensource 2019

incroyable-apprentissage-machine-opensource-2019

Outils et projets Open Source étonnants d'apprentissage automatique pour l'année écoulée (v.2019)

Au cours de l'année écoulée, nous avons comparé près de 22 000 outils et projets open source de Machine Learning pour sélectionner le Top 49 (0,22 % de chance).

Les outils et projets sont répartis en 6 catégories

• Vision par ordinateur (1 ~ 5)

• Apprentissage par renforcement (6~13)

• PNL (14~20)

• GAN (21~26)

• Réseau neuronal (27 ~ 35)

• Boîte à outils (36~49)

Il s'agit d'une liste extrêmement compétitive qui sélectionne soigneusement les meilleurs projets open source d'apprentissage automatique publiés entre janvier et décembre 2018. Mybridge AI évalue la qualité en tenant compte de la popularité, de l'engagement et de la récence. Pour vous donner une idée de la qualité, le nombre moyen de Github ️ est de 3 566.

Abonnez-vous au Machine Learning Monthly : lien
Article support original : lien

Apprendre

A) Débutant : Machine Learning, Data Science et Deep Learning avec Python. TensorFlow et réseaux de neurones 84 632 recommandations, 4,5/5 étoiles

B) Avancé : Apprentissage par renforcement profond en Python. 20 396 recommandations, 4,6/5 étoiles

Un logiciel open source incroyable

Vision par ordinateur

• Detectron : plate-forme de recherche FAIR pour la recherche sur la détection d'objets, mettant en œuvre des algorithmes populaires tels que Mask R-CNN et RetinaNet. ★18910
  

• Openpose : bibliothèque de détection de points clés multi-personnes en temps réel pour l'estimation du corps, du visage et des mains ★11048
  

• DensePose : une approche en temps réel pour mapper tous les pixels humains des images RVB 2D sur un modèle 3D du corps basé sur une surface ★4165
  

• Maskrcnn-benchmark : implémentation de référence rapide et modulaire des algorithmes de segmentation sémantique et de détection d'objets dans PyTorch. ★3888
  

• SNIPER est un algorithme efficace de détection d'objets multi-échelles ★1963
  

Apprentissage par renforcement

• Psychlab : Paradigmes expérimentaux implémentés à l'aide de la plateforme Psychlab (plateforme 3D pour l'IA basée sur des agents) ★5594
  

• ELF : une plateforme étendue, légère et flexible pour la recherche de jeux. Nous l'avons utilisé pour créer notre robot de jeu de Go, ELF OpenGo, qui a réalisé un record de 14-0 contre quatre des 30 meilleurs joueurs mondiaux ★2406
  

• TRFL : une bibliothèque d'éléments de base utiles pour écrire des agents d'apprentissage par renforcement (RL) dans TensorFlow ★2312
  

• Horizon : la première plateforme open source d'apprentissage par renforcement pour les produits et services à grande échelle ★1702
  

• Chess-alpha-zero : apprentissage par renforcement des échecs par les méthodes AlphaGo Zero. ★1307
  

• Dm_control : la suite de contrôle DeepMind et le package de contrôle ★1231
  

• MAMEToolkit : Bibliothèque Python d'apprentissage par renforcement des jeux d'arcade ★437
  

• Reaver : Reaver : cadre d'apprentissage modulaire par renforcement profond. Concentré sur StarCraft II. Prend en charge Gym, Atari et MuJoCo. Correspond aux résultats de référence. ★355
  

PNL

• Bert : code TensorFlow et modèles pré-entraînés pour BERT ★11691
  

• Pytext : Un framework de modélisation de langage naturel basé sur PyTorch ★4466
  

• Bert-as-service : un modèle NLP développé par Google pour les représentations linguistiques de pré-formation. Il exploite une énorme quantité de données en texte brut accessibles au public sur le Web et est formé de manière non supervisée. ★2053
  

• UnsupervisedMT : traduction automatique non supervisée basée sur des phrases et neuronale - Recherche Facebook ★1066
  

• DecaNLP : Le décathlon du langage naturel : un défi multitâche pour la PNL - Salesforce ★1647
  

• Nlp-architect : NLP Architect par Intel AI Lab : bibliothèque Python pour explorer les topologies et techniques d'apprentissage en profondeur de pointe pour le NLP ★1751
  

• Gluon-nlp : la PNL simplifiée ★1262
  

GAN

• DeOldify : un projet basé sur le Deep Learning pour coloriser et restaurer d'anciennes images ★5059
  

• Progressive_growing_of_gans : croissance progressive des GAN pour une qualité, une stabilité et une variation améliorées ★4046
  

• MUNIT : Traduction multimodale d'image à image non supervisée ★1339
  

• Transparent_latent_gan : utilisez l'apprentissage supervisé pour éclairer l'espace latent du GAN pour une génération et une modification contrôlées ★1337
  

• Gandissect : outils basés sur Pytorch pour visualiser et comprendre les neurones d'un GAN. ★1064
  

• GAnimation : animation faciale anatomique à partir d'une seule image ★869
  

Réseau neuronal

• Fastai : il simplifie la formation de réseaux neuronaux rapides et précis en utilisant les meilleures pratiques modernes ★11594
  

• DeepCreamPy : décensurer le hentai avec des réseaux de neurones profonds ★7045
  

• Augmentor v0.2 : bibliothèque d'augmentation d'images en Python pour l'apprentissage automatique. ★2805
  

• Graph_nets : créer des réseaux graphiques dans Tensorflow ★2722
  

• Textgenrnn : module Python pour générer facilement du texte à l'aide d'un réseau neuronal récurrent basé sur des caractères pré-entraînés. ★1900
  

• Bloqueur de personnes : « bloquez » automatiquement les personnes dans les images (comme Black Mirror) à l'aide d'un réseau neuronal pré-entraîné. ★1806
  

• Deepvariant : DeepVariant est un pipeline d'analyse qui utilise un réseau neuronal profond pour appeler des variantes génétiques à partir des données de séquençage d'ADN de nouvelle génération. ★1502
  

• Video-nonlocal-net : réseaux de neurones non locaux pour la classification vidéo ★1048
  

• Ann-visualizer : une bibliothèque Python pour visualiser les réseaux de neurones artificiels (ANN) ★922
  

Boîte à outils

• Tfjs : une bibliothèque JavaScript accélérée par WebGL, basée sur un navigateur, pour la formation et le déploiement de modèles ML. ★10265
  

• Dopamine : un cadre de recherche pour le prototypage rapide d'algorithmes d'apprentissage par renforcement - Google ★7139
  

• Lime : Expliquer les prédictions de n'importe quel classificateur d'apprentissage automatique ★5173
  

• Autokeras : une bibliothèque de logiciels open source pour l'apprentissage automatique automatisé (AutoML) ★4517
  

• Shap : expliquez le résultat de tout modèle d'apprentissage automatique à l'aide des attentes et des valeurs de Shapley. ★3492
  

• MMdnn : un ensemble d'outils pour aider les utilisateurs à interagir entre différents cadres d'apprentissage en profondeur. Par exemple, conversion et visualisation de modèles. Convertir des modèles entre Caffe, Keras, MXNet, Tensorflow ★3020
  

• Mlflow : plateforme open source pour le cycle de vie du machine learning ★3011
  

• Mace : un cadre d'inférence d'apprentissage en profondeur optimisé pour les plates-formes informatiques mobiles hétérogènes. ★2978
  

• PySyft : une bibliothèque Python pour un Deep Learning sécurisé et privé. PySyft dissocie les données privées de la formation du modèle, à l'aide du calcul multipartite (MPC) dans PyTorch ★2594
  

• Adanet : AutoML rapide et flexible avec des garanties d'apprentissage. ★2291
  

• Tencent-ml-images : la plus grande base de données d'images multi-étiquettes ; Modèle ResNet-101 ; 80,73 % d'acc. top-1 sur ImageNet ★2094
  

• Donkeycar : plate-forme matérielle et logicielle open source pour construire une voiture autonome à petite échelle. ★1207
  

• PocketFlow : un framework de compression automatique de modèle (AutoMC) pour développer des applications d'IA plus petites et plus rapides. ★1674
  

• DALI : une bibliothèque contenant à la fois des éléments de base hautement optimisés et un moteur d'exécution pour le prétraitement des données dans les applications de deep learning ★1012