|
|
51CTO旗下网站
|
|
移动端

2018年最富含金量的6款开源机器学习项目

刚过去的 2018 年对人工智能与机器学习领域来说是「丰收」的一年,我们看到越来越多具有影响力的机器学习应用被开发出来,并且应用到了实际生活的诸多领域,特别是在医疗保健、金融、语音识别、增强现实和更复杂的 3D 视频应用领域。

作者:黄善清来源:雷锋网|2019-01-07 10:50

【大咖·来了 第7期】10月24日晚8点观看《智能导购对话机器人实践》

刚过去的 2018 年对人工智能与机器学习领域来说是「丰收」的一年,我们看到越来越多具有影响力的机器学习应用被开发出来,并且应用到了实际生活的诸多领域,特别是在医疗保健、金融、语音识别、增强现实和更复杂的 3D 视频应用领域。

此外,我们发现业内产生越来越多应用驱动型的研究工作,数量上甚至超过了理论驱动型研究。不可否认这种变化有其弊端,然而我们要看到它积极的一面,随着能够迅速被商业转化的研究增多,对整个行业产生了不可估量的积极影响,这在机器学习开源领域尤其明显。

***,一起看看过去一年中 6 个最实用的机器学习项目。这些项目都已发布了代码与数据集,方便个人和小团队进行学习并创造价值,这些项目也许在理论上并不具有开创性,却非常实用。

本文源自 Towards Data Science 的 George Seif,编译如下。

1)Fast.ai

开源地址:

https://github.com/fastai/fastai

Fast.ai 库能让我们通过***方案来简化神经网络的训练工程,它抽象出了在实际搭建深度神经网络过程中的所有细节工作,设计上充分考虑了从业者们构建程序的思维模式,因而非常易于使用。该库最初是为 Fast.ai 课程的学生所创建,通过简洁易懂的方式在 Pytorch 库的基础上进行编写。另外,它在文件库的整理上也是***的。(文件库地址:https://docs.fast.ai/

2)Detectron

开源地址:

https://github.com/facebookresearch/Detectron

Detectron 是由 Facebook 开发用于物体检测与实例分割的研究型平台,用深度学习框架 Caffe2 写成,包含了各类物体检测算法的实现,如:

Mask R-CNN:通过 Faster R-CNN 结构实施物体检测与实例分割。

https://arxiv.org/abs/1703.06870

RetinaNet:特征金字塔网络,通过独特的 Focal Loss 来处理具有挑战性的案例。

https://arxiv.org/abs/1708.02002

Faster R-CNN:物体检测网络中最常见的结构。

https://arxiv.org/abs/1506.01497 )

所有网络均可使用以下任一备选分类网络:

ResNeXt{50101152}

https://arxiv.org/abs/1611.05431

RESNET{50101152}

https://arxiv.org/abs/1512.03385

特征金字塔网络(使用 ResNet / ResNeXt)

https://arxiv.org/abs/1612.03144

VGG16

https://arxiv.org/abs/1612.03144

值得一提的是,这些平台功能自带 COCO 数据集上的预训练模型,这也意味着用户可以快速使用。同时这些功能均已严格按照标准评估指标在 Detectron model zoo(https://github.com/facebookresearch/Detectron/blob/master/MODEL_ZOO.md)中完成测试工作。

3)FastText

开源地址:

https://github.com/facebookresearch/fastText

这是另一项来自 Facebook 的研究成果,fastText 库专为文本表示与文本分类而编写。该库配备了预先训练好的单词向量模型,涵盖语言达 150 多种,可用于完成多项任务,包括文本分类、摘要和翻译等。

4)AutoKeras

Auto-Keras 是用于自动机器学习(AutoML)的开源软件库,由德克萨斯 A&M 大学的 DATA Lab(http://faculty.cs.tamu.edu/xiahu/index.html)与社区贡献者共同开发。AutoML 的目标是为缺乏数据科学或机器学习背景的领域专家们打造一个易于使用的深度学习工具。Auto-Keras 提供了为深度学习模型自动匹配***架构与超参数的功能。

5)Dopamine

开源地址:

https://github.com/google/dopamine

Dopamine 是 Google 专为加速强化学习算法原型设计而创建的研究框架,在严格遵照 RL 算法、指标与基准的基础上,达到灵活且易于使用的目的。

根据 Dopamine 提供的文档显示,他们产品设计原则包括:

  • 便于执行的实验:帮助新用户运行基准实验

  • 灵活的开发流程:促进更多开创性想法的诞生

  • 简洁可靠:能够落地实现一些较旧或者较流行的算法

  • 可重复性:确保结果得以复现

6)vid2vid

开源地址:

https://github.com/NVIDIA/vid2vid

vid2vid 是基于 Nvidia ***进视频到视频合成算法的 Pytorch 实现项目。视频到视频合成算法的目标是习得从输入源视频(例如一系列语义分割 mask)到输出可精确描绘源视频内容的真实渲染视频过程中的映射函数。

该库的优点在于选择的多样性:它提供了针对自动驾驶/城市场景、人脸以及人体姿势在内的不同 vid2vid 应用程序。此外,还附带了丰富的指令和功能,其中包括数据集加载、任务评估、网络训练和多 GPU!

特别提及

  • ChatterBot:用于创建对话引擎和聊天机器人的机器学习项目

开源地址:

https://github.com/gunthercox/ChatterBot

  • Kubeflow:Kubernetes 的机器学习工具包

开源地址:

https://github.com/kubeflow/kubeflow

  • imgaug:用于图像增强的深度学习项目

开源地址:

https://github.com/aleju/imgaug

  • imbalanced-learn:scikit 下的 Python 框架,专用于修复不平衡的数据集

开源地址:

https://github.com/scikit-learn-contrib/imbalanced-learn

  • mlflow:用于管理 ML 项目周期的开源平台,覆盖实验、复现与部署等流程。

开源地址:

https://github.com/mlflow/mlflow

  • AirSim:基于 Unreal Engine/ Unity 的自动驾驶汽车模拟器,由微软出品

开源地址:

https://github.com/Microsoft/AirSim

【编辑推荐】

  1. CES2019大展前瞻:五大亮点技术不容错过
  2. NSA 将向公众开源逆向工程工具 GHIDRA
  3. Facebook 2018 年度开源回顾:新增开源项目 153 个
  4. Java开源企业信息化平台O2OA移动端代码开源发布
【责任编辑:张燕妮 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

16招轻松掌握PPT技巧

16招轻松掌握PPT技巧

GET职场加薪技能
共16章 | 晒书包

289人订阅学习

20个局域网建设改造案例

20个局域网建设改造案例

网络搭建技巧
共20章 | 捷哥CCIE

645人订阅学习

WOT2019全球人工智能技术峰会

WOT2019全球人工智能技术峰会

通用技术、应用领域、企业赋能三大章节,13大技术专场,60+国内外一线人工智能精英大咖站台,分享人工智能的平台工具、算法模型、语音视觉等技术主题,助力人工智能落地。
共50章 | WOT峰会

0人订阅学习

读 书 +更多

Eclipse插件开发方法与实战

本书分为4个部分共24章,以插件开发为中心,围绕插件开发主要介绍SWT/JFace的应用、插件扩展点的实现,以及GEF、EMF和RCP的相关知识。本书...

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO播客