2018年9月机器学习Github开源项目TOP 10

2018年9月机器学习Github开源项目TOP 10在过去的一个月里,我们对将近250个机器学习开源项目排名,选出前10位。

在此期间,我们将项目与新的或主要版本进行了比较。Mybridge AI根据各种因素对项目进行排名,以衡量专业人员的质量。

  • 所有项目在Github上平均评星为728
  • 主题包括:研究框架,AutoML库,深度学习,PyTorch,TSNE,算法工具箱,Fairness-ai,Deepdetect,ZOMBIES

开源项目对程序员很有用。希望你找到一个有趣的项目,为你带来灵感。

1.Dopamine

一种用于强化学习算法的快速原型的研究框架,它旨在满足一个小型,易于理解的代码库的需求,用户可以自由地尝试各种想法(推测性研究)。设计原则是:简单的实验:让新用户轻松运行基准实验;灵活的开发:让新用户轻松尝试研究创意;紧凑而可靠:为少数经过实战考验的算法提供实施方案;可重复:促进结果的可重复性。由谷歌提供。

Github评星5316。

项目:github.com/google/dopamine?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

2.TransmogrifAI

一个AutoML库,用于在Spark上构建模块化,它的开发重点是通过机器学习自动化加速机器学习开发人员的工作效率,以及实施编译时类型安全,模块化和重复使用的API。通过自动化,它可以实现接近手动调整模型的精度,几乎可以减少100倍的时间。由Salesforce提供。

Github评星902。

项目:github.com/salesforce/TransmogrifAI?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

3.Deep Exemplar-based Colorization

Deep Exemplar-based Colorization是基于样本的局部着色的第一种深度学习方法。给定参考彩色图像,卷积神经网络直接将灰度图像映射到输出彩色图像。所提出的网络包括两个子网,相似子网,其计算参考和目标之间的语义相似性;以及着色子网,其选择,传播和预测目标的色度通道。由MSRA CVer提供。

Github评星82。

项目:github.com/msracver/Deep-Exemplar-based-Colorization?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

4.YOLOv3

PyTorch中的训练和推理。最先进的实时物体检测系统。由Ultralytics提供。

Github评星353。

项目:github.com/ultralytics/yolov3?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

5.Mantra

是机器学习项目的高级快速开发框架。用于编写数据集和模型类,支持单行培训,具有跟踪UI,并且可以轻松地封装和共享结果。由Ross Taylor提供。

主要特点:

  • 常用数据集和模型类型的Boilerplate类
  • 用于参数解析的训练的命令行界面
  • 自动配置云实例以进行远程培训
  • 用于监控培训,比较实验和存储媒体的UI
  • 通过设计封装数据集和模型,实现轻松共享

Github评星260。

项目:github.com/RJT1990/mantra?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

6.FastTSNE

tSNE的快速并行实现。使用FFT加速插值,在2分钟内计算出来自小鼠神经系统的160796个单细胞转录组的可视化。由PavlinPoličar提供。

Github评星255。

项目:github.com/pavlin-policar/fastTSNE?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

7.Evolute

一种用于数值优化的进化算法的快速实验的简单工具。它定义了一群个体,表示为浮点向量,并以预定义的顺序将一组可配置的进化算子应用于它们。由CsabaGór提供。

Github评星111。

项目:github.com/csxeba/evolute?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

8.AIF360

一个开源库,可帮助检测和消除机器学习模型中的偏差。这包括用于测试偏差的数据集和模型的度量,这些度量的解释以及用于减轻数据集和模型中的偏差的算法。由IBM提供。

Github评星159。

项目:github.com/IBM/AIF360?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

9.DeepSort

由DeepDetect支持的AI驱动的图像标记器。由Corentin Barreau提供。

Github评星84。

项目:github.com/CorentinB/DeepSort?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

10.Zombie-Shooter-Neural-Network

用于“AI学会拍摄ZOMBIES”的代码。由Daporan提供。

Github评星4。

项目:github.com/Daporan/Zombie-Shooter-Neural-Network?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

本文为ATYUN(www.atyun.com)编译作品,ATYUN专注人工智能
请扫码或微信搜索ATYUN订阅号及时获取最新内容

发表评论