amazing machine learning opensource 2019

удивительное-машинное обучение-с открытым исходным кодом-2019

Удивительные инструменты и проекты с открытым исходным кодом машинного обучения за прошедший год (версия 2019 г.)

За последний год мы сравнили около 22 000 инструментов и проектов машинного обучения с открытым исходным кодом и выбрали 49 лучших (вероятность 0,22%).

Инструменты и проекты разбиты на 6 категорий.

• Компьютерное зрение (1~5)

• Обучение с подкреплением (6~13)

• НЛП (14~20)

• ГАН (21~26)

• Нейронная сеть (27~35)

• Инструментарий (36~49)

Это чрезвычайно конкурентный список, в котором тщательно отбираются лучшие проекты машинного обучения с открытым исходным кодом, опубликованные в период с января по декабрь 2018 года. Mybridge AI оценивает качество, учитывая популярность, вовлеченность и новизну. Чтобы вы имели представление о качестве, среднее количество Github ️ составляет 3566.

Подпишитесь на «Ежемесячник машинного обучения»: ссылка
Оригинальная статья на Medium: Ссылка

Учиться

А) Новичок: машинное обучение, наука о данных и глубокое обучение с помощью Python. TensorFlow и нейронные сети: 84 632 рекомендации, 4,5/5 звезд

Б) Продвинутый уровень: глубокое обучение с подкреплением на Python. 20 396 рекомендаций, 4,6/5 звезд

Удивительный открытый исходный код

Компьютерное зрение

• Detectron: исследовательская платформа FAIR для исследования обнаружения объектов, реализующая популярные алгоритмы, такие как Mask R-CNN и RetinaNet. ★18910
  

• Openpose: библиотека обнаружения ключевых точек нескольких человек в режиме реального времени для оценки тела, лица и рук ★11048
  

• DensePose: метод в реальном времени для сопоставления всех пикселей 2D RGB-изображений человека с трехмерной моделью тела на основе поверхности ★4165
  

• Maskrcnn-benchmark: Быстрая модульная эталонная реализация алгоритмов семантической сегментации и обнаружения объектов в PyTorch. ★3888
  

• СНАЙПЕР — эффективный многомасштабный алгоритм обнаружения объектов ★1963 г.
  

Обучение с подкреплением

• Psychlab: Экспериментальные парадигмы, реализованные с использованием платформы Psychlab (3D-платформа для агентного искусственного интеллекта) ★5594
  

• ELF: Обширная, легкая и гибкая платформа для исследования игр. Мы использовали его для создания нашего бота для игры в го, ELF OpenGo, который установил рекорд 14-0 против четырех игроков из топ-30 мира ★2406
  

• TRFL: библиотека полезных строительных блоков для написания агентов обучения с подкреплением (RL) в TensorFlow ★2312
  

• Horizon: первая платформа обучения с подкреплением с открытым исходным кодом для крупномасштабных продуктов и услуг ★1702
  

• Chess-alpha-zero: Обучение шахматам с подкреплением методами AlphaGo Zero. ★1307
  

• Dm_control: Пакет управления и пакет управления DeepMind ★1231
  

• MAMEToolkit: Библиотека Python для обучения аркадным играм ★437
  

• Reaver: Reaver: модульная платформа глубокого обучения с подкреплением. Ориентирован на StarCraft II. Поддерживает Gym, Atari и MuJoCo. Соответствует эталонным результатам. ★355
  

НЛП

• Берт: код TensorFlow и предварительно обученные модели для BERT ★11691.
  

• Pytext: среда моделирования естественного языка на основе PyTorch ★4466.
  

• Bert-as-service: модель НЛП, разработанная Google для предварительного обучения языковым представлениям. Он использует огромное количество текстовых данных, общедоступных в Интернете, и обучается без присмотра. ★2053
  

• UnsupervisedMT: машинный перевод на основе фраз и нейронных сетей без присмотра — исследование Facebook ★1066
  

• DecaNLP: Десятиборье естественного языка: многозадачный вызов НЛП - Salesforce ★1647
  

• Nlp-архитектор: NLP Architect от Intel AI Lab: библиотека Python для изучения новейших топологий и методов глубокого обучения для НЛП ★1751
  

• Глюон-НЛП: НЛП стало проще ★1262
  

ГАН

• DeOldify: проект на основе глубокого обучения для раскрашивания и восстановления старых изображений ★5059
  

• Progressive_growing_of_gans: Прогрессивное выращивание GAN для улучшения качества, стабильности и разнообразия ★4046
  

• MUNIT: Мультимодальный неконтролируемый перевод изображений в изображения ★1339
  

• Transparent_latent_gan: используйте контролируемое обучение для освещения скрытого пространства GAN для контролируемой генерации и редактирования ★1337
  

• Gandisect: инструменты на основе Pytorch для визуализации и понимания нейронов GAN. ★1064
  

• GANimation: анатомическая анимация лица из одного изображения ★869
  

Нейронная сеть

• Фастай: упрощает обучение быстрых и точных нейронных сетей с использованием лучших современных практик ★11594
  

• DeepCreamPy: децензурирование хентая с помощью глубоких нейронных сетей ★7045
  

• Augmentor v0.2: библиотека расширения изображений на Python для машинного обучения. ★2805
  

• Graph_nets: создание графовых сетей в Tensorflow ★2722
  

• Textgenrnn: модуль Python для простой генерации текста с использованием предварительно обученной символьной рекуррентной нейронной сети. ★1900
  

• Блокировщик людей: автоматически «блокирует» людей на изображениях (например, «Черное зеркало») с помощью предварительно обученной нейронной сети. ★1806
  

• Deepvariant: DeepVariant — это конвейер анализа, который использует глубокую нейронную сеть для вызова генетических вариантов из данных секвенирования ДНК следующего поколения. ★1502
  

• Video-nonlocal-net: нелокальные нейронные сети для классификации видео ★1048
  

• Ann-визуализатор: библиотека Python для визуализации искусственных нейронных сетей (ИНС) ★922
  

Инструментарий

• Tfjs: браузерная библиотека JavaScript с ускорением WebGL для обучения и развертывания моделей машинного обучения. ★10265
  

• Дофамин: исследовательская основа для быстрого прототипирования алгоритмов обучения с подкреплением - Google ★7139
  

• Лайм: объяснение предсказаний любого классификатора машинного обучения ★5173
  

• Autokeras: библиотека программного обеспечения с открытым исходным кодом для автоматизированного машинного обучения (AutoML) ★4517
  

• Шап: объясните результаты любой модели машинного обучения, используя ожидания и значения Шепли. ★3492
  

• MMdnn: набор инструментов, помогающих пользователям взаимодействовать между различными платформами глубокого обучения. Например, преобразование модели и визуализация. Преобразование моделей между Caffe, Keras, MXNet, Tensorflow ★3020
  

• Mlflow: платформа с открытым исходным кодом для жизненного цикла машинного обучения ★3011
  

• Mace: платформа вывода глубокого обучения, оптимизированная для мобильных гетерогенных вычислительных платформ. ★2978
  

• PySyft: библиотека Python для безопасного и конфиденциального глубокого обучения. PySyft отделяет частные данные от обучения модели, используя многосторонние вычисления (MPC) в PyTorch ★2594
  

• Adanet: быстрый и гибкий AutoML с гарантиями обучения. ★2291
  

• Tencent-ml-images: крупнейшая база данных изображений с несколькими метками; модель ResNet-101; 80,73% в топ-1 рейтинга ImageNet ★2094
  

• Donkeycar: аппаратная и программная платформа с открытым исходным кодом для создания небольшого беспилотного автомобиля. ★1207
  

• PocketFlow: платформа автоматического сжатия моделей (AutoMC) для разработки небольших и быстрых приложений искусственного интеллекта. ★1674
  

• DALI: библиотека, содержащая как высокооптимизированные строительные блоки, так и механизм выполнения для предварительной обработки данных в приложениях глубокого обучения ★1012