這12個(gè)最新AI開源項(xiàng)目,你一定要收下
#基于TensorFlow的強(qiáng)化學(xué)習(xí)框架
Dopamine 是一款快速實(shí)現(xiàn)強(qiáng)化學(xué)習(xí)算法原型的研究框架,基于TensorFlow 實(shí)現(xiàn) ,旨在為研究人員提供一種簡(jiǎn)單易用的實(shí)驗(yàn)環(huán)境,能夠滿足用戶對(duì)小型、便于訪問的代碼庫(kù)的需求,用戶可以很方便地構(gòu)建實(shí)驗(yàn)去驗(yàn)證自身在研究過程中的想法。
項(xiàng)目鏈接
https://github.com/google/dopamine
TransmogrifAI
#用于結(jié)構(gòu)化數(shù)據(jù)的端到端AutoML庫(kù)
TransmogrifAI 是一個(gè)基于 Scala 編寫、運(yùn)行在 Spark 上的 AutoML 庫(kù),由 Salesforce 開源。本項(xiàng)目旨在通過自動(dòng)機(jī)器學(xué)習(xí)技術(shù)幫助開發(fā)者加速產(chǎn)品化進(jìn)程,只需幾行代碼,便能自動(dòng)完成數(shù)據(jù)清理、特征工程和模型選擇,然后訓(xùn)練出一個(gè)高性能模型,進(jìn)行進(jìn)一步探索和迭代。
關(guān)于 AutoML: 神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索(NAS)綜述 | 附AutoML資料推薦
項(xiàng)目鏈接
https://github.com/salesforce/TransmogrifAI
OpenNRE
#神經(jīng)網(wǎng)絡(luò)關(guān)系抽取工具包
OpenNRE 是一個(gè)基于TensorFlow 的神經(jīng)網(wǎng)絡(luò)關(guān)系抽取工具包,由清華大學(xué)計(jì)算機(jī)系劉知遠(yuǎn)老師組開源。 本項(xiàng)目將關(guān)系抽取分為四個(gè)步驟:Embedding、Encoder、Selector 和 Classifier。
項(xiàng)目鏈接
https://github.com/thunlp/OpenNRE
#TensorFlow模型分析開源庫(kù)
TFMA 是一個(gè)來自 Google 的開源庫(kù),用于幫助TensorFlow 用戶對(duì)所訓(xùn)練模型進(jìn)行分析。 用戶可以使用 Trainer 里定義的指標(biāo),以分布式方式評(píng)估大量數(shù)據(jù)的模型。這些指標(biāo)可在不同的數(shù)據(jù)片段上進(jìn)行計(jì)算,并在 Jupyter Notebooks 里實(shí)現(xiàn)結(jié)果可視化。
項(xiàng)目鏈接
https://github.com/tensorflow/model-analysis
#通用深度學(xué)習(xí)模型部署框架
GraphPipe 是由甲骨文公司開源的通用深度學(xué)習(xí)模型部署框架 ,旨在幫助用戶簡(jiǎn)化機(jī)器學(xué)習(xí)模型部署,并將其從特定框架的模型實(shí)現(xiàn)中解放出來的協(xié)議和軟件集合。 GraphPine 可提供跨深度學(xué)習(xí)框架的模型通用 API、開箱即用的部署方案以及強(qiáng)大的性能,目前已支持TensorFlow、PyTorch、MXNet、CNTK 和 Caffe2 等框架。
項(xiàng)目鏈接
https://github.com/oracle/graphpipe
#通用深度學(xué)習(xí)預(yù)訓(xùn)練模型集合
本項(xiàng)目匯集了當(dāng)前***的各類深度學(xué)習(xí)預(yù)訓(xùn)練模型,模型均為由 Facebook 和微軟推出的 ONNX (OpenNeural NetworkExchange) 格式 ,該格式可使模型在不同框架之間進(jìn)行遷移。每個(gè)模型均有對(duì)應(yīng)的 Jupyter Notebook,包含模型訓(xùn)練、運(yùn)行推理、數(shù)據(jù)集和參考文獻(xiàn)等信息。
項(xiàng)目鏈接
https://github.com/onnx/models
基于深度學(xué)習(xí)106點(diǎn)人臉標(biāo)定算法
#良心級(jí)開源人臉標(biāo)定算法
良心級(jí)開源人臉標(biāo)定算法,包含人臉美顏、美妝、配合式活體檢測(cè)和人臉校準(zhǔn)的預(yù)處理步驟。該項(xiàng)目 Windows 工程基于傳統(tǒng)的 SDM 算法,通過修改開源代碼,精簡(jiǎn)保留測(cè)試部分代碼,優(yōu)化代碼結(jié)構(gòu)。Android 代碼基于深度學(xué)習(xí),我們?cè)O(shè)計(jì)了高效的網(wǎng)絡(luò)模型,該模型魯棒性較好,支持多人臉跟蹤。 目前深度學(xué)習(xí)算法在人臉標(biāo)定方向取得了良好的效果,該項(xiàng)目旨在提供一種較為簡(jiǎn)單易用的實(shí)現(xiàn)方式。