GitHub上Star量最高的5個機器學習項目
選自towardsdatascience
作者:Rishi Sidhu
機器之心編譯
參與:Nurhachu Null、Geek AI
本文介紹了 GitHub 上 star 量最高的 5 個機器學習項目,涉及人臉識別、文本處理、機器學習框架等。
機器學習領域正在飛速發展。GitHub 是一張舉世矚目的白板,高質量的代碼通常被發布在這張充滿智慧的無限大白板上。
顯然,我們不可能追蹤機器學習世界中的所有東西,但是 GitHub 上每個項目都具備自己的 star 量。即,如果你標星了一個倉庫,這意味著你對這個項目表達了讚賞,同時也跟蹤了你覺得有意思的倉庫。
星數排名可作為了解最受關注項目的重要指標。本文就介紹了機器學習領域星數排名最高的 5 個項目。
Face Recognition:26073★
GitHub 地址: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 和命令行的應用程序介面(API),其用途是識別以及操作圖像中的人臉。它使用 Dlib 最先進的人臉識別演算法構建,該深度學習模型在 LFW(Labeled Faces in the Wild)數據集上達到了 99.38% 的準確率。
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行人臉識別!
這個庫還可以處理實時人臉識別。
fastText:18931 ★
GitHub 地址:facebookresearch/fastText?source=post_page---------------------------
fastText 是由 Facebook 團隊開發的免費開源庫,用於高效詞表徵學習。它是輕量級的,允許用戶學習文本表徵和句子分類器。它可以在標準通用硬體上運行,模型甚至可以被壓縮到適應移動設備的大小。
文本分類是很多應用的核心問題,例如垃圾郵件檢測、情感分析或智能回復。文本分類的目標是給文檔(例如電子郵件、博客、簡訊、產品評論等)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: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 實驗、庫和項目。
TensorFlow 是 Google 開發的端到端開源機器學習平台。它有全面的生態系統,包括工具、庫和社區資源,允許研究者創建最先進的機器學習演算法。使用 TensorFlow,開發者可以很容易地構建並部署由機器學習驅動的應用。
圖源:https://www.tensorflow.org/tutorials/keras/basic_classification?source=post_page
Apache predictionio 11866 ★
GitHub 地址:apache/predictionio
Apache PredictionIO 是供開發者、數據科學家和終端用戶使用的開源機器學習框架。用戶可使用該框架構建真實的機器學習應用,並進行部署和測試。
它甚至支持事件收集、評估,以及查詢預測結果。它基於可擴展的開源服務,如 Hadoop、HBase 等。
就機器學習而言,該工具減輕了開發人員的思維負擔。
圖源:http://predictionio.apache.org/appintegration/?source=post_page
Style2Paints:9860 ★
GitHub 地址:lllyasviel/style2paints
該 repo 與前面 4 個有點不一樣,因為缺乏資金,它已經被關閉了!它確實是一個有趣的設想,使用 AI 給圖像上色。
創建者稱 Style2paints V4 是當前最好的 AI 線稿上色工具。
他們稱這個項目與之前的端到端圖像轉換方法不同,因為它是第一個用真實的人類作業流程為線稿上色的系統。很多藝術家熟悉這個流程。
素描-->彩色填充/扁平化-->漸變/細節添加-->陰影處理
Style2Paints 就是根據這個流程設計的。只用兩次點擊,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
僅僅點擊 4 次,你就能夠得到下面這張圖:
圖源:lllyasviel/style2paints?source=post_page
原文鏈接:https://towardsdatascience.com/highest-rated-ml-projects-on-github-694486293512
※我們總喊著追德國瑞士製造,不要妄想靠「智能化」反超
※ICLR 2019論文解讀:量化神經網路
TAG:機器之心 |