排焊机厂家
免费服务热线

Free service

hotline

010-00000000
排焊机厂家
热门搜索:
技术资讯
当前位置:首页 > 技术资讯

这25个开源机器学习项目一般人我不告诉Ta_[#第一枪]

发布时间:2021-06-07 13:10:34 阅读: 来源:排焊机厂家

作为Facebook研究项目的一部分,ParlAI是一个框架,用于训练和评估各种基于公开可用对话数据集的人工智能模型。ParlAI使得研究人员可以访问许多流行的数据集,同时拥有一个统一的框架来共享和测试对话模型。你可以在这里阅读更多关于ParlAI的内容。

facetsfacet是可视化机器学习数据集的工具。

可视化实现为 Polymer web组件,由Typescript代码支持,可以很容易地嵌入到Jupyter笔记本或网页中。

可视化的关键方面是跨多个数据集的离群点检测和分布比较。有趣的值(例如高比例的缺失数据,或者跨多个数据集的不同特性分布)用红色突出显示。

ELF with AlphaGoZero

ELF是一个使用AlphaGoZero/AlphaZero重新实现的游戏研究平台。ELF为游戏研究提供了端到端解决方案。它包括小型实时战略游戏环境、并发模拟、基于数千台机器的分布式训练、直观的api、基于web的可视化以及一个由PyTorch提供支持的强化学习框架。

DetectronDetectron是Facebook AI 研究部门的软件系统,它实现了最先进的目标检测算法,包括Mask R-CNN。它是用Python编写的,并由Caffe2深度学习框架提供支持。

Fast StyleTransfer采用TensorFlow CNN实现,这可能是图像风格转换的最好例子之一,正如它的名字所暗示的,它的运行非常快。实现了基于Gatys艺术风格的神经算法,Johnson对实时风格转换和超分辨率的感知损失,以及Ulyanov的实例规范化。

Face recognition

这个工具为面部识别提供了简单的api。它能发现面部特征,并能猜出照片中的人是谁。

使用dlib最先进的面部识别技术进行深度学习。该模型对自然环境中被标记的人脸的测试准确率为99.38%。也提供了一个简单的命令来进行执行面部识别。

face_recognition

命令行工具,允许您从命令行对图像文件夹进行面部识别!

Deep photo styletransfer另一个极好的风格转换项目。这个repo包含代码和一篇研究论文:深度照片风格变换。它提供了简单的api来处理合并样式和源图像。令人印象非常深刻的照片风格变换。

Fast Text

fastText 是一种高效学习词汇表示和句子分类的库。

为了更好地了解这个项目,可以查看他们的文本分类教程,该教程展示了如何在监督学习中使用这个库。文本分类的目的是将文档(如电子邮件、帖子、短信、产品评论等)分配给一个或多个类别。

AirSimAirSim是一个基于虚幻引擎来模拟无人机、汽车的应用。它是开源的,跨平台的,它支持流行的飞行控制器硬件,如PX4用于物理和视觉的仿真。它是一个虚拟插件,可以简单地放到任何你想要的不真实的环境中。

Image restoration机器学习能做的比我们想象的更多。 Deep Image Prior ,它采用神经网络修复图像——但不需要学习。

这个工具可以恢复带有刮痕,坏点,或不需要的文本标记损坏的图像。

Open Pose

Open Pose 是第一个实时多人系统,可以在单个图像上同时检测人体、手、面部和脚的关键点(总共135个关键点)。它能探测到脚、身体、脸和手。

pirateATPirateAI在模拟环境(岛屿)中训练自主个体(海盗)。 这个程序运行一个训练管道,在游戏(寻找宝藏)和模型训练(Keras + hyperopt)之间交替进行。

EmojiIntelligence与这个列表中的许多项目相比,这是相当简单的,但是它是学习神经网络如何工作的一个很好的起点。 这个实现是纯Swift的,没有使用任何库,而且很容易模仿。

Deep Exemplar-Based ColorizationDeep Exemplar-Based Colorization 是基于范例进行局部着色的第一个深度学习方法。 给定一个参考的彩色图像,我们的卷积神经网络直接将灰度图像转换成彩色图像输出。 这是论文“基于深度范例的色彩化”的应用。

谢谢你浏览这个列表。我希望你已经找到了一些能激励和吸引你的东西。相对而言,机器学习刚刚起步,所以未来肯定会有更多有趣的新项目。这里有更多的资源供进一步探索:

GitHub Machine Learning Collection: 每天都能发现热门机器学习项目

Awesome machine learning: 有一个关于所有事情的“令人惊讶的列表”——这个列表以机器学习为中心,它的管理令人印象深刻。

Fantastic machine learning: 这个列表主要是关于ML相关的核心项目。雷锋网雷锋网

欢迎在Hacker News和Reddit上讨论这篇文章

想要继续查看该篇文章相关链接和参考文献?

长按链接点击打开或点击【这25个开源机器学习项目,一般人我不告诉Ta】:

http://ai.yanxishe.com/page/TextTranslation/1122

AI研习社每日更新精彩内容,观看更多精彩内容:

使用 SKIL 和 YOLO 构建产品级目标检测系统

AI课程/书籍/视频讲座/论文精选大列表

如何极大效率地提高你训练模型的速度?

数据科学家应当了解的五个统计基本概念:统计特征、概率分布、降维、过采样/欠采样、贝叶斯统计

无梭织带机图片

PTT

重晶石加工价格