萬里挑一！熱門機器學習開源資源最強盤點

摘要： 在過去的一年裡，我們比較了近 22000 個機器學習開源工具和專案，選出了前 49 個（約佔 0.22%）。 這些工具和專案分為 6 個類別，如下： 計算機視覺 （1~5） 強化學習 （6~13） 自然語言處理 （14~20） 生成對抗網路 （2...

在過去的一年裡，我們比較了近 22000 個機器學習開源工具和專案，選出了前 49 個（約佔 0.22%）。

這些工具和專案分為 6 個類別，如下：

• 計算機視覺 （1~5）
• 強化學習 （6~13）
• 自然語言處理 （14~20）
• 生成對抗網路 （21~26）
• 神經網路 （27~35）
• 工具包 （36~49）

這是一份極具競爭力的列表，它精心挑選了 2018 年 1 月到 12 月釋出的最佳開源機器學習資源。Mybridge AI 通過考慮受歡迎程度、參與度和回頭率來評估質量。為了讓你對質量有直觀的瞭解， Github 上:star:平均顆數是 3566 。

• 帶有目錄的文字版本請訪問 Github： https://github.com/Mybridge/amazing-machine-learning-opensource-2019

• 2018 年度熱門機器學習年度文章請訪問： https://medium.mybridge.co/learn-machine-learning-from-top-50-articles-for-the-past-year-v-2019-15842d0b82f6

• 2017 年度熱門機器學習開源資源（該博文在 Medium 上有 21000 個贊）請訪問： https://medium.mybridge.co/30-amazing-machine-learning-projects-for-the-past-year-v-2018-b853b8621ac7

對程式設計師來說，開源專案非常有用。給你足夠的時間讓你去嘗試過去一年裡可能錯過的機器學習開源專案。

學習建議

A）初學者：Python 下的機器學習、資料科學和深度學習。TensorFlow 和神經網路（ http://bit.ly/2FbgIcv ）

【84632 個推薦，4.5/5 :star:】

B）高階：Python 深度強化學習（ http://bit.ly/2DQxHjq ）

【20396 個推薦，4.6/5 :star:】

計算機視覺

【No 1】Detectron：

用於物件檢研究的 FAIR 研究平臺，實現了 Mask R-CNN、RetinaNet 等流行演算法。

【在 Github 有 18913 顆:star:】

【No 2】Openpose：

用於身體、面部和手部的姿態估計的實時多人關鍵點檢測庫。

【在 Github 有 11052 顆:star:】

【No 3】DensePose：

一種將 2D RGB 影象中所有人類畫素對映到基於 3D 表面的人體模型的實施方法。

【在 Github 上有 4156 顆:star:】

【No 4】Maskrcnn-benchmark：

Pytorch 中語義分割和物件檢測演算法的快速模組化參考實現。

【在 Github 上有 3888 顆:star:】

【No 5】SNIPER：

一種高效的多尺度物件檢測演算法。

【在 Github 上有 1963 顆:star:】

強化學習

【No 6】Psychlab：

使用 Psychlab 平臺（基於智慧體人工智慧的 3D 平臺）實現的實驗範例。

【在 Github 上有 5595 顆:star:】

【No 7】ELF：

一個廣泛的、輕量級的、靈活的遊戲研究平臺。我們用它建立了圍棋遊戲機器人 ——ELF OpenGo，以 14:0 的比分擊敗了全球前 30 名棋手中的四名。

【在 Github 上有 2406 顆:star:】

【No 8】TRFL：

一個有用的構件塊庫，用於編寫 TensorFlow 中的增強學習智慧體。

【在 Github 上有 2312 顆:star:】

【No 9】Horizon：

第一個面向大規模產品和服務的開源強化學習平臺。

【在 Github 上有 1703 顆:star:】

【No 10】Chess-alpha-zero：

通過 Alpha Zero 方法進行國際象棋強化學習。

【在 Github 上有 1307 顆:star:】

【No 11】Dm_control：

DeepMind 控制套件和控制包。

【在 Github 上有 1231 顆:star:】

【No 12】MAMEToolkit：

街機遊戲強化學習 Python 庫。

【在 Github 上有 437 顆:star:】

【No 13】Reaver：

模組化深度強化學習框架。專注於星際爭霸 II。支援 Gym、Atari 和 MuJoCo。匹配參考結果。

【在 Github 上有 355 顆:star:】

自然語言處理

【No 14】Bert:

為 BERT 提供 TensorFlow 程式碼和預訓練模型。

【在 Github 上有 11703 顆:star:】

【No 15】Pytext：

基於 PyTorch 的自然語言建模框架。

【在 Github 上有 4466 顆:star:】

【No 16】Bert-as-service：

由 Google 開發的用於預訓練語言表示的 NLP 模型。它利用了網上公開提供發的大量純文字資料，並以無人監督的方式進行訓練。

【在 Github 上有 2055 顆:star:】

【No 17】UnsupervisedMT：

基於短語和神經無監督機器翻譯 ——來自 Facebook 研究。

【在 Github 上有 1068 顆:star:】

【No 18】DecaNLP：

自然語言十項全能：面向銷售隊伍的 NLP 多工挑戰。

【在 Github 上有 1648 顆:star:】

【No 19】Nlp-architect：

Intel 人工智慧實驗室的 NLP 架構師：用於探索最先進的深度學習拓撲和技術的 Python 庫。

【在 Github 上有 1751 顆:star:】

【No 20】Gluon-NLP：

使 NLP 變得容易使用。

【在 Github 上有 1263 顆:star:】

生成對抗網路

【No 21】DeOldify：

基於深度學習的專案，用於著色和恢復老照片。

【在 Github 上有 5060 顆:star:】

【No 22】Progressive_growing_of_gans：

漸進式增長的生成對抗網路，可以提高質量、穩定性和變異性。

【在 Github 上有 4046 顆:star:】

【No 23】MUNIT：

多模態無監督影象到影象轉換。

【在 Github 上有 1339 顆:star:】

【No 24】Transparent_latent_gan：

使用有監督學習來闡明 GAN 的潛在空間，以進行受控生成和編輯。

【在 Github 上有 1337 顆:star:】

【No 25】Gandissect：

基於 pytorch 的工具，用於視覺化和理解 GAN 的神經元。

【在 Github 上有 1065 顆:star:】

【No 26】GANimation：

從一張影象中感知具有解剖學意義的面部動畫。

【在 Github 上有 869 顆:star:】

神經網路

【No 27】Fastai：

它使用現代最佳實踐簡化了快速準確的神經網路訓練。

【在 Github 上有 11597 顆:star:】

【No 28】DeepCreamPy：

用深度神經網路去除成人漫畫的馬賽克。

【在 Github 上有 7046 顆:star:】

【No 29】Augmentor v0.2：

用於機器學習的 Python 影象增強庫。

【在 Github 上有 2805 顆:star:】

【No 30】Graph_nets：

在 TensorFlow 中構建圖網。

【在 Github 上有 2723 顆:star:】

【No 31】Textgenrnn：

Python 模組，可使用預訓練的基於字元的遞迴神經網路輕鬆地生成文字。

【在 Github 上有 1900 顆:star:】

【No 32】Person-blocker：

使用預訓練的神經網路自動 “遮蔽” 影象中的人（如英國獨立單元劇《黑鏡》（Black Mirror））。

【在 Github 上有 1806 顆:star:】

【No 33】Deepvariant：

Deepvariant 是一個分析管道，使用深度神經網路呼叫來自下一代 DNA 測序資料的遺傳變異。

【在 Github 上有 1502 顆:star:】

【No 34】Video-nonlocal-net：

用於視訊分類的非本地神經網路。

【在 Github 上有 1049 顆:star:】

【No 35】Ann-visualizer：

用於視覺化人工神經網路（Artificial Neural Networks ，ANN）的 Python 庫。

【在 Github 上有 922 顆:star:】

工具包

【No 36】Tfjs：

一個 WebGL 加速的、基於瀏覽器的 JavaScript 庫，用於訓練和部署機器學習模型。

【在 Github 上有 10268 顆:star:】

【No 37】Dopamine：

Google 出的強化學習演算法快速原型化的研究框架。

【在 Github 上有 7142 顆:star:】

【No 38】Lime：

解釋任何機器學習分類器的預測。

【在 Github 上有 5173 顆:star:】

【No 39】Autokeras：

一種用於自動機器學習（AutoML）的開源軟體庫。

【在 Github 上有 4520 顆:star:】

【No 40】Shap：

使用期望值和 Shapley 值解釋任何機器學習模型的輸出。

【在 Github 上有 3496 顆:star:】

【No 41】MMdnn：

一套用於幫助使用者在不同深度學習框架之間進行互操作的工具。例如模型轉換和視覺化。在 Caffe、Keras、MXNet、TensorFlow 之間進行轉換模型。

【在 Github 上有 3021 顆:star:】

【No 42】Mlflow：

用於機器學習生命週期的開源平臺。

【在 Github 上有 3013 顆:star:】

【No 43】Mace：

用於移動異構計算平臺優化的深度學習推理框架。

【在 Github 上有 2979 顆:star:】

【No 44】PySyft：

用於安全、私密的深度學習的 Python 庫。PySyft 使用 PyTorch 的多方計算（Multi-Party Computation，MPC）將私有資料從模型訓練中分離出來。

【在 Github 上有 2595 顆:star:】

【No 45】Adanet：

具有學習保證（learning guarantees）的快速靈活的 AutoML。

【在 Github 上有 2293 顆:star:】

【No 46】Tencent-ml-images：

最大的多標籤影象資料庫；ResNet-101 模型；ImageNet 上的 80.73% 的 top-1 acc。

【在 Github 上有 2094 顆:star:】

【No 47】Donkeycar：

開源軟硬體平臺，打造小型自動駕駛汽車。

【在 Github 上有 1207 顆:star:】

【No 48】PocketFlow：

自動模型壓縮框架（Automatic Model Compression，AutoMC），用於開發更小、更快的人工智慧應用。

【在 Github 上有 1677 顆:star:】

【No 49】DALI：

包含高度優化的構件塊和用於深度學習應用中的資料預處理的執行引擎的庫。

【在 Github 上有 1013 顆:star:】

以上就是 2018 年度的機器學習教程的全部內容。如果你喜歡這份報道，請閱讀更多由 Mybridge 排名的博文： https://medium.mybridge.co/

原文連結：

https://medium.mybridge.co/amazing-machine-learning-open-source-tools-projects-of-the-year-v-2019-95d772e4e985