本文介紹了 GitHub 上 star 量最高的 5 個機(jī)器學(xué)習(xí)項(xiàng)目，涉及人臉識別、文本處理、機(jī)器學(xué)習(xí)框架等。

機(jī)器學(xué)習(xí)領(lǐng)域正在飛速發(fā)展。GitHub 是一張舉世矚目的白板，高質(zhì)量的代碼通常被發(fā)布在這張充滿智慧的無限大白板上。

顯然，我們不可能追蹤機(jī)器學(xué)習(xí)世界中的所有東西，但是 GitHub 上每個項(xiàng)目都具備自己的 star 量。即，如果你標(biāo)星了一個倉庫，這意味著你對這個項(xiàng)目表達(dá)了贊賞，同時也跟蹤了你覺得有意思的倉庫。

星數(shù)排名可作為了解最受關(guān)注項(xiàng)目的重要指標(biāo)。本文就介紹了機(jī)器學(xué)習(xí)領(lǐng)域星數(shù)排名最高的 5 個項(xiàng)目。

Face Recognition：26073★

GitHub 地址：https://github.com/ageitgey/face_recognition?source=post_page---------------------------

這是世界上最簡潔的人臉識別工具。它提供對 Python 和命令行的應(yīng)用程序接口(API)，其用途是識別以及操作圖像中的人臉。它使用 Dlib 最先進(jìn)的人臉識別算法構(gòu)建，該深度學(xué)習(xí)模型在 LFW(Labeled Faces in the Wild)數(shù)據(jù)集上達(dá)到了 99.38% 的準(zhǔn)確率。

它還提供了 face_recognition 命令行工具，它可以讓你在包含圖像的文件夾中使用命令行來進(jìn)行人臉識別!

 

 

這個庫還可以處理實(shí)時人臉識別。

 

 

fastText：18931 ★

GitHub 地址：https://github.com/facebookresearch/fastText?source=post_page---------------------------

fastText 是由 Facebook 團(tuán)隊開發(fā)的免費(fèi)開源庫，用于高效詞表征學(xué)習(xí)。它是輕量級的，允許用戶學(xué)習(xí)文本表征和句子分類器。它可以在標(biāo)準(zhǔn)通用硬件上運(yùn)行，模型甚至可以被壓縮到適應(yīng)移動設(shè)備的大小。

文本分類是很多應(yīng)用的核心問題，例如垃圾郵件檢測、情感分析或智能回復(fù)。文本分類的目標(biāo)是給文檔(例如電子郵件、博客、短信、產(chǎn)品評論等)分配多個類別。

 

 

詞類示例(圖源：Alterra.ai)

對自然語言處理(NLP)愛好者而言，這是一款非常有用的工具。

 

 

圖源：https://fasttext.cc/?source=post_pag (https://fasttext.cc/?source=post_pag%EF%BC%89)

Awesome TensorFlow：14501★

GitHub 地址：https://github.com/jtoy/awesome-tensorflow

這是一個幫你理解和使用 TensorFlow 的資源集合。該 repo 涵蓋一系列資源列表，如很棒的 TensorFlow 實(shí)驗(yàn)、庫和項(xiàng)目。

TensorFlow 是 Google 開發(fā)的端到端開源機(jī)器學(xué)習(xí)平臺。它有全面的生態(tài)系統(tǒng)，包括工具、庫和社區(qū)資源，允許研究者創(chuàng)建最先進(jìn)的機(jī)器學(xué)習(xí)算法。使用 TensorFlow，開發(fā)者可以很容易地構(gòu)建并部署由機(jī)器學(xué)習(xí)驅(qū)動的應(yīng)用。

 

 

圖源：https://www.tensorflow.org/tutorials/keras/basic_classification?source=post_page

Apache predictionio 11866 ★

GitHub 地址：https://github.com/apache/predictionio

Apache PredictionIO 是供開發(fā)者、數(shù)據(jù)科學(xué)家和終端用戶使用的開源機(jī)器學(xué)習(xí)框架。用戶可使用該框架構(gòu)建真實(shí)的機(jī)器學(xué)習(xí)應(yīng)用，并進(jìn)行部署和測試。

它甚至支持事件收集、評估，以及查詢預(yù)測結(jié)果。它基于可擴(kuò)展的開源服務(wù)，如 Hadoop、HBase 等。

就機(jī)器學(xué)習(xí)而言，該工具減輕了開發(fā)人員的思維負(fù)擔(dān)。

 

 

圖源：http://predictionio.apache.org/appintegration/?source=post_page

Style2Paints：9860 ★

GitHub 地址：https://github.com/lllyasviel/style2paints

該 repo 與前面 4 個有點(diǎn)不一樣，因?yàn)槿狈�資金，它已經(jīng)被關(guān)閉了!它確實(shí)是一個有趣的設(shè)想，使用 AI 給圖像上色。

創(chuàng)建者稱 Style2paints V4 是當(dāng)前最好的 AI 線稿上色工具。

他們稱這個項(xiàng)目與之前的端到端圖像轉(zhuǎn)換方法不同，因?yàn)樗�是第一個用真實(shí)的人類作業(yè)流程為線稿上色的系統(tǒng)。很多藝術(shù)家熟悉這個流程。

素描-->彩色填充/扁平化-->漸變/細(xì)節(jié)添加-->陰影處理

Style2Paints 就是根據(jù)這個流程設(shè)計的。只用兩次點(diǎn)擊，該流程就可以使下圖中最左的圖變成中間的圖。

 

 

圖源：https://style2paints.github.io/?source=post_page

僅僅點(diǎn)擊 4 次，你就能夠得到下面這張圖：

 

 

圖源：https://github.com/lllyasviel/style2paints?source=post_page

原文鏈接：https://towardsdatascience.com/highest-rated-ml-projects-on-github-694486293512

標(biāo)簽： 機(jī)器學(xué)習(xí)項(xiàng)

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(diǎn)！
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。