amazing machine learning opensource 2019

pembelajaran-mesin-opensource-2019 yang luar biasa

Alat dan Proyek Sumber Terbuka Pembelajaran Mesin yang Menakjubkan selama Setahun Terakhir (v.2019)

Selama setahun terakhir, kami telah membandingkan hampir 22.000 alat dan proyek sumber terbuka Machine Learning untuk memilih 49 Teratas (peluang 0,22%).

Alat dan proyek dibagi menjadi 6 kategori

• Visi Komputer (1~5)

• Pembelajaran Penguatan (6~13)

• NLP (14~20)

• GAN (21~26)

• Jaringan Syaraf Tiruan (27~35)

• Perangkat (36~49)

Ini adalah daftar yang sangat kompetitif dan dengan hati-hati memilih proyek Machine Learning open source terbaik yang diterbitkan antara Januari dan Desember 2018. Mybridge AI mengevaluasi kualitas dengan mempertimbangkan popularitas, keterlibatan, dan keterkinian. Sebagai gambaran tentang kualitas, jumlah rata-rata Github ️ adalah 3.566.

Berlangganan Machine Learning Bulanan: Tautan
Artikel Medium Asli: Tautan

Mempelajari

A) Pemula: Pembelajaran Mesin, Ilmu Data, dan Pembelajaran Mendalam dengan Python. TensorFlow & Neural Networks 84.632 rekomendasi, 4,5/5 bintang

B) Tingkat Lanjut: Pembelajaran Penguatan Mendalam dengan Python. 20.396 rekomendasi, 4,6/5 bintang

Sumber Terbuka yang Luar Biasa

Visi Komputer

• Detectron: Platform penelitian FAIR untuk penelitian deteksi objek, menerapkan algoritma populer seperti Mask R-CNN dan RetinaNet. ★18910
  

• Openpose: Pustaka deteksi titik kunci multi-orang secara real-time untuk estimasi tubuh, wajah, dan tangan ★11048
  

• DensePose: Pendekatan real-time untuk memetakan semua piksel manusia pada gambar RGB 2D ke model tubuh berbasis permukaan 3D ★4165
  

• Tolok ukur Maskrcnn: Implementasi referensi modular dan cepat dari algoritma Segmentasi Semantik dan Deteksi Objek di PyTorch. ★3888
  

• SNIPER adalah algoritma deteksi objek multi-skala yang efisien ★1963
  

Pembelajaran Penguatan

• Psychlab: Paradigma eksperimental diimplementasikan menggunakan platform Psychlab (platform 3D untuk AI berbasis agen) ★5594
  

• ELF: Platform yang Luas, Ringan, dan Fleksibel untuk penelitian game. Kami telah menggunakannya untuk membuat bot bermain Go kami, ELF OpenGo, yang mencapai rekor 14-0 melawan empat pemain top-30 global ★2406
  

• TRFL: Library elemen penyusun yang berguna untuk menulis agen pembelajaran penguatan (RL) di TensorFlow ★2312
  

• Horizon: Platform pembelajaran penguatan sumber terbuka pertama untuk produk dan layanan skala besar ★1702
  

• Chess-alpha-zero: Pembelajaran penguatan catur dengan metode AlphaGo Zero. ★1307
  

• Dm_control: Paket Kontrol dan Kontrol DeepMind ★1231
  

• MAMEToolkit: Perpustakaan Python Pembelajaran Penguatan Game Arkade ★437
  

• Reaver: Reaver: Kerangka Pembelajaran Penguatan Mendalam Modular. Berfokus pada StarCraft II. Mendukung Gym, Atari, dan MuJoCo. Cocok dengan hasil referensi. ★355
  

NLP

• Bert: Kode TensorFlow dan model terlatih untuk BERT ★11691
  

• Pytext: Kerangka pemodelan bahasa alami berdasarkan PyTorch ★4466
  

• Bert-as-service: Model NLP yang dikembangkan oleh Google untuk representasi bahasa pra-pelatihan. Ini memanfaatkan sejumlah besar data teks biasa yang tersedia untuk umum di web dan dilatih tanpa pengawasan. ★2053
  

• MT Tanpa Pengawasan: Terjemahan Mesin Tanpa Pengawasan Berbasis Frasa & Neural - Riset Facebook ★1066
  

• DecaNLP: Dasalomba Bahasa Alami: Tantangan Multitugas untuk NLP - Salesforce ★1647
  

• Arsitek Nlp: Arsitek NLP oleh Intel AI Lab: Pustaka Python untuk menjelajahi topologi dan teknik pembelajaran mendalam yang canggih untuk NLP ★1751
  

• Gluon-nlp: NLP menjadi mudah ★1262
  

GAN

• DeOldify: Proyek berbasis Pembelajaran Mendalam untuk mewarnai dan memulihkan gambar lama ★5059
  

• Progressive_grown_of_gans: Pertumbuhan GAN yang Progresif untuk Peningkatan Kualitas, Stabilitas, dan Variasi ★4046
  

• MUNIT: Terjemahan Gambar-ke-Gambar Multimodal Tanpa Pengawasan ★1339
  

• Transparent_latent_gan: Gunakan pembelajaran yang diawasi untuk menerangi ruang laten GAN untuk pembuatan dan pengeditan yang terkontrol ★1337
  

• Gandissect: Alat berbasis Pytorch untuk memvisualisasikan dan memahami neuron GAN. ★1064
  

• GANimation: Animasi Wajah yang Sadar Secara Anatomi dari Satu Gambar ★869
  

Jaringan Syaraf

• Fastai: Ini menyederhanakan pelatihan jaringan saraf yang cepat dan akurat menggunakan praktik terbaik modern ★11594
  

• DeepCreamPy: Mendesensor Hentai dengan Jaringan Syaraf Dalam ★7045
  

• Augmentor v0.2: Pustaka augmentasi gambar dengan Python untuk pembelajaran mesin. ★2805
  

• Graph_nets: Membangun Jaring Grafik di Tensorflow ★2722
  

• Textgenrnn: Modul Python untuk menghasilkan teks dengan mudah menggunakan jaringan saraf berulang berbasis karakter yang telah dilatih sebelumnya. ★1900
  

• Pemblokir orang: Secara otomatis "memblokir" orang dalam gambar (seperti Black Mirror) menggunakan jaringan saraf terlatih. ★1806
  

• Deepvariant: DeepVariant adalah saluran analisis yang menggunakan jaringan saraf dalam untuk memanggil varian genetik dari data pengurutan DNA generasi berikutnya. ★1502
  

• Video-nonlocal-net: Jaringan Neural Non-lokal untuk Klasifikasi Video ★1048
  

• Ann-visualizer: Pustaka python untuk memvisualisasikan Jaringan Syaraf Tiruan (ANN) ★922
  

Perangkat

• Tfjs: Pustaka JavaScript berbasis browser yang dipercepat WebGL untuk pelatihan dan penerapan model ML. ★10265
  

• Dopamin: Kerangka penelitian untuk pembuatan prototipe cepat algoritma pembelajaran penguatan - Google ★7139
  

• Lime: Menjelaskan prediksi pengklasifikasi pembelajaran mesin apa pun ★5173
  

• Autokeras: Pustaka perangkat lunak sumber terbuka untuk pembelajaran mesin otomatis (AutoML) ★4517
  

• Shap: Menjelaskan keluaran model pembelajaran mesin apa pun menggunakan ekspektasi dan nilai Shapley. ★3492
  

• MMdnn: Seperangkat alat untuk membantu pengguna berinteraksi di antara kerangka pembelajaran mendalam yang berbeda. Misalnya konversi model dan visualisasi. Konversi model antara Caffe, Keras, MXNet, Tensorflow ★3020
  

• Mlflow: Platform sumber terbuka untuk siklus hidup pembelajaran mesin ★3011
  

• Mace: Kerangka kerja inferensi pembelajaran mendalam yang dioptimalkan untuk platform komputasi heterogen seluler. ★2978
  

• PySyft: Pustaka Python untuk Pembelajaran Mendalam yang aman dan pribadi. PySyft memisahkan data pribadi dari pelatihan model, menggunakan Multi-Party Computation (MPC) dalam PyTorch ★2594
  

• Adanet: AutoML cepat dan fleksibel dengan jaminan pembelajaran. ★2291
  

• Tencent-ml-images: Database gambar multi-label terbesar; model ResNet-101; 80,73% akun teratas di ImageNet ★2094
  

• Donkeycar: Platform perangkat keras dan perangkat lunak sumber terbuka untuk membangun mobil self-driving skala kecil. ★1207
  

• PocketFlow: Kerangka kerja Kompresi Model Otomatis (AutoMC) untuk mengembangkan aplikasi AI yang lebih kecil dan lebih cepat. ★1674
  

• DALI: Pustaka yang berisi blok penyusun yang sangat optimal dan mesin eksekusi untuk pra-pemrosesan data dalam aplikasi pembelajaran mendalam ★1012