2018年7月機器學習開源項目TOP 10
編譯:chux
出品:ATYUN訂閱號
在過去的一個月里,Mybridge AI根據各種因素對項目進行排名,在將近250個機器學習開源項目中選出前10位。
這個月10個項目在Github上平均評星為1041。
主題包括:DensePose,圖像分類,多尺度訓練,移動AI計算引擎,衛星圖像,NLP,Python包,字檢測,NCRF,DALI。
開源項目對程序員很實用,希望你找到一個啟發你的有趣項目。
No.1:DensePose
這是一種實時方法,用於將2D RGB圖像的所有人類像素映射到身體的3D表面模型。
DensePose-RCNN在Detectron框架中實現,由Caffe2提供支持。
Github 2901顆星。由Facebook Research提供。
項目:github.com/facebookresearch/DensePose?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.2:Darts
可分辨的架構搜索卷積和循環網路。該演算法基於架構空間中的連續鬆弛和梯度下降。它能夠有效地設計用於圖像分類的高性能卷積體系結構(在CIFAR-10和ImageNet上)和用於語言建模的循環體系結構(在Penn Treebank和WikiText-2上)。只需要一個GPU。
Github 1128顆星。由Hanxiao Liu提供。
項目:github.com/quark0/darts?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.3:SNIPER,高效的多規模訓練
SNIPER是一種有效的多尺度物體檢測演算法,用於實例級識別任務,如對象檢測和實例級分割。SNIPER不是處理圖像金字塔中的所有像素,而是選擇性地處理地面實況對象(也稱為晶元)周圍的上下文區域。由於它在低解析度晶元上運行,因此顯著加速了多規模培訓。由於其內存高效設計,SNIPER可以在訓練期間受益於批量標準化,並且可以在單個GPU上實現更大批量大小的實例級識別任務。因此,我們不需要跨GPU同步批量標準化統計數據,我們可以訓練對象檢測器,類似於我們進行圖像分類的方式!
GIF
Github 1352顆星。由Mahyar Najibi提供。
項目:github.com/mahyarnajibi/SNIPER?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.4:Mace
針對移動異構計算平台優化的深度學習推理框架。該設計側重於以下目標:
性能
使用NEON,OpenCL和Hexagon優化運行時,並 引入Winograd演算法以加速卷積運算。初始化也被優化為更快。
能量消耗
與晶元相關的電源選項如big.LITTLE調度,Adreno GPU提示作為高級API包含在內。
響應
在運行模型時,UI響應性保證有時是強制性的。引入了將OpenCL內核自動分解為小單元的機制,以便更好地搶佔UI呈現任務。
內存使用和庫佔用空間
支持圖級存儲器分配優化和緩衝器重用。核心庫試圖保持最小的外部依賴性以保持庫佔用空間小。
模型保護
自設計開始以來,模型保護一直是最優先考慮的事項。引入了各種技術,例如將模型轉換為C ++代碼和文字混淆。
平台覆蓋
良好的覆蓋最近的高通,聯發科技,Pinecone和其他基於ARM的晶元。CPU運行時還與大多數POSIX系統和性能有限的體系結構兼容。
Github 2118顆星。由小米提供。
項目:github.com/XiaoMi/mace?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.5:Robosat
航空和衛星圖像的語義分割。提取功能,如:建築物,停車場,道路,水。RoboSat附帶的工具可分為以下幾類:
數據準備:為訓練特徵提取模型創建數據集
訓練和建模:圖像特徵提取的分割模型
後處理:將分割結果轉換為乾淨和簡單的幾何形狀
Github 776顆星。由Mapbox提供。
項目:github.com/mapbox/robosat?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.6:DecaNLP
自然語言十項全能是一項多任務挑戰,涵蓋十項任務:問答,機器翻譯,摘要,自然語言推理,情感分析,語義角色標記,零鏡頭關係提取,目標導向對話,語義分析和常識代詞解析。每個任務都被轉換為問題回答,這使得我們可以使用新的多任務問題應答網路(MQAN)。此模型聯合學習decaNLP中的所有任務,而多任務設置中沒有任何特定於任務的模塊或參數。
Github 886顆星。由Salesforce提供
項目:github.com/salesforce/decaNLP?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.7:Magnitude
Magnitude是一個快速,簡單的矢量嵌入實用程序庫,用於在Plasticity開發的快速,高效和簡單的方式中將矢量嵌入用於機器學習模型。它主要是為Gensim提供更簡單/更快速的替代方案,但可以用作NLP之外的域的通用密鑰向量存儲。
Github 427顆星。
項目:github.com/plasticityai/magnitude?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.8:Porcupine
由深度學習驅動的設備喚醒字檢測引擎。
自助服務。開發人員有權在幾秒鐘內選擇任何喚醒詞並構建其模型。
使用在真實情況下訓練的深度神經網路(即雜訊和混響)。
緊湊且計算效率高,使其適用於物聯網應用。
跨平台。它以純定點ANSI C實現。目前支持Raspberry Pi,Android,iOS,watchOS,Linux,Mac和Windows。
可擴展性。它可以同時檢測數十個喚醒字,幾乎沒有額外的CPU /內存佔用。
開源。您在此存儲庫中找到的任何內容都是Apache 2.0許可的。
Github 373顆星。由Picovoice提供。
項目:github.com/Picovoice/Porcupine?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.9:NCRF
用神經條件隨機場(NCRF)檢測癌症轉移。
Github 290顆星。由百度深度學習研究院提供。
項目:github.com/baidu-research/NCRF?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
No.10:DALI
DALI是高度優化的構建塊和執行引擎的集合,用於加速深度學習應用程序的輸入數據預處理。DALI提供加速不同數據流水線的性能和靈活性,作為單個庫,可以輕鬆集成到不同的深度學習培訓和推理應用程序中。
Github 420顆星。由NVIDIA提供。
項目:github.com/NVIDIA/dali?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
※機器學習之金融應用三問:Why?What?How?
※谷歌將機器學習融入一系列廣告工具中,與亞馬遜競爭
TAG:機器學習 |