amazing machine learning opensource 2019
1.0.0
เครื่องมือและโครงการโอเพ่นซอร์สการเรียนรู้ของเครื่องที่น่าทึ่งสำหรับปีที่ผ่านมา (v.2019)
ในปีที่ผ่านมา เราได้เปรียบเทียบเครื่องมือและโปรเจ็กต์โอเพ่นซอร์สของ Machine Learning เกือบ 22,000 รายการเพื่อเลือก Top 49 (โอกาส 0.22%)
เครื่องมือและโครงการแบ่งออกเป็น 6 ประเภท
คอมพิวเตอร์วิทัศน์ (1~5)
การเรียนรู้แบบเสริมกำลัง (6~13)
NLP (14~20)
กัน (21~26)
โครงข่ายประสาทเทียม (27~35)
ชุดเครื่องมือ (36~49)
นี่เป็นรายการที่มีการแข่งขันสูง และจะคัดเลือกโปรเจ็กต์ Machine Learning แบบโอเพ่นซอร์สที่ดีที่สุดที่เผยแพร่ระหว่างเดือนมกราคมถึงธันวาคม 2018 อย่างระมัดระวัง Mybridge AI ประเมินคุณภาพโดยพิจารณาจากความนิยม การมีส่วนร่วม และความใหม่ เพื่อให้คุณเห็นภาพเกี่ยวกับคุณภาพ จำนวนเฉลี่ยของ Github ️ คือ 3,566
สมัครสมาชิก Machine Learning รายเดือน: ลิงก์
บทความสื่อต้นฉบับ: ลิงก์
A) ระดับเริ่มต้น: การเรียนรู้ของเครื่อง วิทยาศาสตร์ข้อมูล และการเรียนรู้เชิงลึกด้วย Python TensorFlow & Neural Networks 84,632 แนะนำ 4.5/5 ดาว
B) ขั้นสูง: การเรียนรู้การเสริมกำลังเชิงลึกใน Python 20,396 แนะนำ 4.6/5 ดาว
Detectron: แพลตฟอร์มการวิจัยของ FAIR สำหรับการวิจัยการตรวจจับวัตถุ โดยใช้อัลกอริทึมยอดนิยม เช่น Mask R-CNN และ RetinaNet ★18910
Openpose: ไลบรารีการตรวจจับจุดสำคัญหลายคนแบบเรียลไทม์สำหรับการประมาณร่างกาย ใบหน้า และมือ ★11048
DensePose: วิธีการแบบเรียลไทม์สำหรับการจับคู่พิกเซลมนุษย์ทั้งหมดของภาพ 2D RGB กับโมเดลพื้นผิว 3 มิติของร่างกาย ★4165
Maskrcnn-benchmark: การใช้งานอ้างอิงแบบโมดูลาร์ที่รวดเร็วของอัลกอริทึม Semantic Segmentation และ Object Detection ใน PyTorch ★3888
SNIPER เป็นอัลกอริธึมการตรวจจับวัตถุหลายสเกลที่มีประสิทธิภาพ ★1963
Psychlab: กระบวนทัศน์การทดลองที่นำมาใช้โดยใช้แพลตฟอร์ม Psychlab (แพลตฟอร์ม 3 มิติสำหรับ AI แบบเอเจนต์) ★5594
ELF: แพลตฟอร์มที่กว้างขวาง น้ำหนักเบา และยืดหยุ่นสำหรับการวิจัยเกม เราใช้มันเพื่อสร้างบอทเล่น Go ของเรา ELF OpenGo ซึ่งทำสถิติ 14-0 เทียบกับผู้เล่น 30 อันดับแรกของโลกสี่คน ★2406
TRFL: ไลบรารีของ Building Block ที่มีประโยชน์สำหรับการเขียนตัวแทนการเรียนรู้แบบเสริมกำลัง (RL) ใน TensorFlow ★2312
Horizon: แพลตฟอร์มการเรียนรู้การเสริมกำลังแบบโอเพ่นซอร์สแห่งแรกสำหรับผลิตภัณฑ์และบริการขนาดใหญ่ ★1702
Chess-alpha-zero: การเรียนรู้การเสริมกำลังหมากรุกโดยวิธี AlphaGo Zero ★1307
Dm_control: ชุดควบคุม DeepMind และแพ็คเกจควบคุม ★1231
MAMEToolkit: การเรียนรู้การเสริมกำลังเกมอาร์เคดด้วย Python Library ★437
Reaver: Reaver: กรอบการเรียนรู้การเสริมกำลังเชิงลึกแบบโมดูลาร์ มุ่งเน้นไปที่สตาร์คราฟต์ II รองรับยิม, Atari และ MuJoCo ตรงกับผลลัพธ์การอ้างอิง ★355
Bert: รหัส TensorFlow และโมเดลที่ผ่านการฝึกอบรมมาแล้วสำหรับ BERT ★11691
Pytext: กรอบการสร้างแบบจำลองภาษาธรรมชาติที่ใช้ PyTorch ★4466
Bert-as-service: โมเดล NLP ที่พัฒนาโดย Google สำหรับการนำเสนอภาษาก่อนการฝึกอบรม มันใช้ประโยชน์จากข้อมูลข้อความธรรมดาจำนวนมหาศาลที่เปิดเผยต่อสาธารณะบนเว็บและได้รับการฝึกอบรมในลักษณะที่ไม่ได้รับการดูแล ★2053
UnsupervisedMT: การแปลด้วยเครื่องแบบวลีและแบบนิวรัล - การวิจัยบน Facebook ★1066
DecaNLP: ภาษาธรรมชาติ Decathlon: ความท้าทายแบบมัลติทาสก์สำหรับ NLP - Salesforce ★1647
สถาปนิก Nlp: สถาปนิก NLP โดย Intel AI Lab: ไลบรารี Python สำหรับการสำรวจโทโพโลยีและเทคนิคการเรียนรู้เชิงลึกที่ล้ำสมัยสำหรับ NLP ★1751
Gluon-nlp: NLP เป็นเรื่องง่าย ★1262
DeOldify: โปรเจ็กต์การเรียนรู้เชิงลึกสำหรับการปรับสีและกู้คืนรูปภาพเก่า ★5059
Progressive_growing_of_gans: การเติบโตแบบก้าวหน้าของ GANs เพื่อคุณภาพ ความเสถียร และการเปลี่ยนแปลงที่ดีขึ้น ★4046
MUNIT: การแปลรูปภาพเป็นรูปภาพต่อเนื่องหลายรูปแบบโดยไม่มีผู้ดูแล ★1339
Transparent_latent_gan: ใช้การเรียนรู้แบบมีผู้สอนเพื่อส่องสว่างพื้นที่แฝงของ GAN สำหรับการสร้างและแก้ไขแบบควบคุม ★1337
Gandissect: เครื่องมือที่ใช้ Pytorch สำหรับการแสดงภาพและทำความเข้าใจเซลล์ประสาทของ GAN ★1,064
GANimation: แอนิเมชันใบหน้าที่รับรู้ทางกายวิภาคจากภาพเดียว ★869
Fastai: ช่วยให้การฝึกโครงข่ายประสาทรวดเร็วและแม่นยำง่ายขึ้นโดยใช้แนวทางปฏิบัติที่ดีที่สุดสมัยใหม่ ★11594
DeepCreamPy: การปฏิเสธโพสต์ด้วย Deep Neural Networks ★7045
Augmentor v0.2: ไลบรารีการเพิ่มรูปภาพใน Python สำหรับการเรียนรู้ของเครื่อง ★2805
Graph_nets: สร้าง Graph Nets ใน Tensorflow ★2722
Textgenrnn: โมดูล Python เพื่อสร้างข้อความได้อย่างง่ายดายโดยใช้โครงข่ายประสาทเทียมตามอักขระที่ได้รับการฝึกไว้ล่วงหน้า ★1900
ตัวบล็อกบุคคล: "บล็อก" ผู้คนในรูปภาพ (เช่น กระจกสีดำ) โดยอัตโนมัติโดยใช้โครงข่ายประสาทเทียมที่ได้รับการฝึกมาล่วงหน้า ★1806
Deepvariant: DeepVariant เป็นไปป์ไลน์การวิเคราะห์ที่ใช้โครงข่ายประสาทเทียมระดับลึกเพื่อเรียกตัวแปรทางพันธุกรรมจากข้อมูลลำดับดีเอ็นเอรุ่นต่อไป ★1502
Video-nonlocal-net: โครงข่ายประสาทเทียมที่ไม่ใช่ในพื้นที่สำหรับการจำแนกวิดีโอ ★1048
Ann-visualizer: ไลบรารีหลามสำหรับแสดงภาพเครือข่ายประสาทเทียม (ANN) ★922
Tfjs: ไลบรารี JavaScript บนเบราว์เซอร์ที่เร่งความเร็ว WebGL สำหรับการฝึกอบรมและการปรับใช้โมเดล ML ★10265
โดปามีน: กรอบการวิจัยสำหรับการสร้างต้นแบบอย่างรวดเร็วของอัลกอริธึมการเรียนรู้แบบเสริมกำลัง - Google ★7139
Lime: อธิบายการทำนายของตัวแยกประเภทแมชชีนเลิร์นนิง ★5173
Autokeras: ไลบรารีซอฟต์แวร์โอเพ่นซอร์สสำหรับการเรียนรู้ของเครื่องอัตโนมัติ (AutoML) ★4517
Shap: อธิบายผลลัพธ์ของโมเดล Machine Learning ใดๆ โดยใช้ความคาดหวังและค่านิยมของ Shapley ★3492
MMdnn: ชุดเครื่องมือที่ช่วยให้ผู้ใช้ทำงานร่วมกันระหว่างกรอบการเรียนรู้เชิงลึกต่างๆ เช่น การแปลงโมเดลและการแสดงภาพ แปลงโมเดลระหว่าง Caffe, Keras, MXNet, Tensorflow ★3020
Mlflow: แพลตฟอร์มโอเพ่นซอร์สสำหรับวงจรการเรียนรู้ของเครื่อง ★3011
Mace: เฟรมเวิร์กการอนุมานการเรียนรู้เชิงลึกที่ปรับให้เหมาะสมสำหรับแพลตฟอร์มการประมวลผลแบบต่างกันบนมือถือ ★2978
PySyft: ไลบรารี Python สำหรับการเรียนรู้เชิงลึกที่ปลอดภัยและเป็นส่วนตัว PySyft แยกข้อมูลส่วนตัวออกจากการฝึกโมเดล โดยใช้ Multi-Party Computation (MPC) ภายใน PyTorch ★2594
Adanet: AutoML ที่รวดเร็วและยืดหยุ่นพร้อมการรับประกันการเรียนรู้ ★2291
Tencent-ml-images: ฐานข้อมูลรูปภาพหลายป้ายกำกับที่ใหญ่ที่สุด รุ่น ResNet-101; 80.73% อันดับแรกบน ImageNet ★2094
Donkeycar: แพลตฟอร์มฮาร์ดแวร์และซอฟต์แวร์โอเพ่นซอร์สเพื่อสร้างรถยนต์ขับเคลื่อนด้วยตนเองขนาดเล็ก ★1207
PocketFlow: เฟรมเวิร์กการบีบอัดโมเดลอัตโนมัติ (AutoMC) สำหรับการพัฒนาแอปพลิเคชัน AI ที่เล็กลงและเร็วขึ้น ★1674
DALI: ไลบรารีที่มีทั้งบล็อคส่วนประกอบที่ได้รับการปรับปรุงให้เหมาะสมที่สุดและเอ็นจิ้นการดำเนินการสำหรับการประมวลผลข้อมูลล่วงหน้าในแอปพลิเคชันการเรียนรู้เชิงลึก ★1012
