我們從過去一個月近 250 個有關(guān)機器學(xué)習(xí)的開源項目中，精心挑選出了最熱門的項目。在挑選過程中，我們始終在各個項目之間作比較。Mybridge AI 基于大量的因素來估量項目的專業(yè)水平，從而對其進行排名。

這些項目在 Github 上獲得的平均 star 數(shù)高達 728，涉及的話題包括：研究框架、AutoML 庫、深度學(xué)習(xí)、PyTorch、TSNE、算法工具箱、Fairness-ai、DeepDetect、僵尸射擊游戲。

對于程序員來說，開源項目是十分有幫助的。希望你能從中找到可以激發(fā)你靈感的有趣項目。

TransmogrifAI：用于建立機器學(xué)習(xí)工作流的 AutoML 庫

TransmogrifAI 是用 Scala 編寫的 AutoML 庫，運行在 Spark 上。該框架的開發(fā)初衷在于通過機器學(xué)習(xí)自動化技術(shù)，以及提升編譯速度與可重復(fù)利用性的 API，來提高機器學(xué)習(xí)開發(fā)者的開發(fā)效率。你可以在以下幾種場景使用該框架：

♦ 在幾小時內(nèi)建立可投入使用的機器學(xué)習(xí)應(yīng)用，無需幾個月的時間

♦ 輕松創(chuàng)建機器學(xué)習(xí)模型，即使你不是機器學(xué)習(xí)專業(yè)的 Ph.D

♦ 建立模塊化的、可重復(fù)利用的機器學(xué)習(xí)工作流

 

 

項目鏈接：

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

YOLOv3：基于 PyTorch 的訓(xùn)練與預(yù)測

YOLOv3 是當(dāng)前最先進的實時檢測目標(biāo)的系統(tǒng)，相比于前兩個版本，第三版針對小目標(biāo)的精度有顯著提升。YOLOv3 的 Github 目錄包含了全部基于 PyTorch 的訓(xùn)練和預(yù)測代碼。要求 Python 3.6 或以上的版本，以及三個工具包：numpy、torch、opencv-python。

 

 

項目鏈接：

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

FastTSNE：快速且可并行的 tSNE 算法

該項目將 160,796 個來自老鼠的神經(jīng)系統(tǒng)的細胞轉(zhuǎn)錄過程進行了可視化，項目的初衷是在沒有外部 C 或 C++ 依賴的情況下，在本地快速實現(xiàn) tSNE 算法。該工具包提供了兩種快速實現(xiàn) tSNE 的方法：

♦ Barnes-hut tsne：源于 Multicore tSNE，適用于小規(guī)模數(shù)據(jù)集，時間復(fù)雜度為 O(nlogn)。

♦ Fit-SNE：源于 Fit-SNE 的 C++ 實現(xiàn)方法，適用于樣本量在 10,000 以上的大規(guī)模數(shù)據(jù)集，時間復(fù)雜度為 O(n)。

 

 

項目鏈接：

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

AIF360：用于檢測并去除機器學(xué)習(xí)模型偏差的開源庫

這個 AI Fairness 360 Python 庫包含一整套用于測量偏差的數(shù)據(jù)集和模型的指標(biāo)，全部指標(biāo)的解釋，以及減小偏差的算法。由于 AIF360 具備一整套功能，所以在面對一個用例時，很可能難以抉擇該使用什么指標(biāo)或算法，為了解決這個問題，開發(fā)者為我們提供了可用于參考的使用指南。

 

 

項目鏈接：

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

使用指南：

http://aif360.mybluemix.net/resources#guidance

僵尸射擊神經(jīng)網(wǎng)絡(luò)：讓 AI 學(xué)習(xí)如何射擊僵尸

開發(fā)者利用神經(jīng)網(wǎng)絡(luò)和強化學(xué)習(xí)來對 AI 進行訓(xùn)練，使其學(xué)習(xí)如何射擊僵尸，從而存活下來。開發(fā)者還制作了一段小視頻，來展示其訓(xùn)練過程。

 

 

項目鏈接：

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

 

 

原文鏈接：

https://medium.mybridge.co/machine-learning-open-source-of-the-month-v-sep-2018-d39e4082fd7c

標(biāo)簽： 代碼 開發(fā)者 排名 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。