2018年4月份最热门的五大AI机器学习项目

作者: 猿妹 2018-05-17 15:55:07

当谈到数据科学和机器学习时,GitHub和Reddit是两个最受欢迎的平台。前者是代码和项目之间共享和协作的最佳工具,而后者则是与全球数据科学爱好者交流的最佳平台。

我们每个月都会盘点GitHub上最顶级的数据科学和机器学习库,下面我们一起来看看本月上榜的有哪些库:

1、Deep Painterly Harmonization

对图像进行处理并且使处理后的图像看起来像真实图像一样这类技术已经存在很久了。但是通过深度学习去实现将会更加有效率和更加逼真。开发人员提出了一种算法用以实现绘制一幅绘画:在一张图片中添加一个外部元素并使其与之融合,而且看起来几乎与原始绘画风格一样。

正如上面的图像所示-右边第三幅是最终输出,如果我们没有前面的两个图像,我们可能无法区分出气球是一个外部插入对象。这种算法产生比照片合成或全局程式化技术( global stylization techniques)更精确的结果,并且实现迄今为止非常难以实现的处理水平。(项目地址:https://github.com/luanfujun/deep-painterly-harmonization)

2、Swift for TensorFlow

2018年4月份最热门的五大AI机器学习项目

Swift for TensorFlow上个月在TensorFlow开发者峰会上首次公布演示。Swift for TensorFlow 为 TensorFlow 提供了一种新的编程模型,为解决现有问题开辟了新的设计机会和新的途径。

据介绍,Swift for TensorFlow结合了图的性能、Eager Execution的灵活性和表达能力,重点提高了堆栈中各个层次的可用性,不过该项目仍处于初始阶段,因此尚未准备好写入深度学习模型。点击查阅更多相关资料:《可以抛弃 Python 了?Google 开源 Swift for TensorFlow》

3、MUNIT

来自康奈尔大学的研究小组提出了一种多模态无监督的图像到图像转换问题的标准框架-(MUNIT)框架,用于将图像从一个域转换到另一个域。通俗来讲,就是拍摄一张图像,并从中产生一个新图像(例如,将狗的图像转换为猫)。

先前存在的方法仅仅可以实现给定图像的一对一映射,因此不能对一个图像产生多个不同输出结果。而MUNIT的另一个激动人心的功能正是可以为一张图片提供多个输出。(项目地址:https://github.com/NVlabs/MUNIT)

4、GluonNLP

GluonNLP 提供了 NLP 领域顶级深度学习模型的实现,且建立了文本数据管道和模型的模块。设计上,它同样也是为了让工程师、研究员和学生能快速的实现研究思路,做出产品原型。

该存储库有一个很好的文档,以及如何使用该库的详细示例。他们甚至为胶粘剂新手们准备了一个精心打包的60分钟速成课程。(项目地址:https://github.com/dmlc/gluon-nlp)

5、PyTorch GAN

它是研究论文中介绍的GAN(或生成敌对网络)的PyTorch实现的集合。目前存储库列出了24种不同的实现,每种实现都以其独特的方式增加了您的知识。该列表包含Adversarial Autoencoders,CycleGAN,Least Squares GAN,Pix2Pix等实现。(项目地址:https://github.com/eriklindernoren/PyTorch-GAN)

AI 机器学习 图像
上一篇:从原理到应用:简述Logistic回归算法 下一篇:AI、5G到来:物联网的发展却变得缓慢了?
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

机器学习转化为生产力,警惕这4个常见陷阱!

几乎每个人都想在他们的业务中引入机器学习,但是这些人也遇到了一个大问题:让模型可持续发展十分困难,尤其是在云架构的基础上。medium上一位博主也指出了这个问题,并提出了将机器学习模型投入生产的4个常见陷阱。

大数据文摘 ·  13h前
500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  1天前
机器学习免费跑分神器:集成各大数据集,连接GitHub就能用

搞机器学习的小伙伴们,免不了要在各种数据集上,给AI模型跑分。现在,Papers with Code (那个以论文搜代码的神器) 团队,推出了自动跑分服务,名叫sotabench,以跑遍所有开源模型为己任。

栗子 鱼羊 ·  1天前
AI核心难点之一:情感分析的常见类型与挑战

情感分析或情感人工智能,在商业应用中通常被称为意见挖掘,是自然语言处理(NLP)的一个非常流行的应用。文本处理是该技术最大的分支,但并不是唯一的分支。情绪AI有三种类型及其组合。

Veronika Vartanova ·  1天前
大数据为什么不够聪明?机器要如何走向强人工智能

大数据为什么不够聪明?比概率语言更强大的思考工具是什么?科幻电影中的强人工智能到底怎样实现?如何让智能机器像人一样思考?搞清楚因果关系才能拨云见日。

明日情报 ·  1天前
2019机器学习框架之争:与Tensorflow竞争白热化,进击的PyTorch赢在哪里?

2019年,机器学习框架之争进入了新阶段:PyTorch与TensorFlow成为最后两大玩家,PyTorch占据学术界领军地位,TensorFlow在工业界力量依然强大,两个框架都在向对方借鉴,但是都不太理想。

大数据文摘 ·  2天前
机器学习帮你预测电池寿命:精确了解电池还能充几次

电池寿命的确定,是移动硬件发展的重要一环,但是由于电池电化学反应的不确定性以及不同的使用环境和习惯,电池寿命变成了一门玄学。不过柏林的三位小伙伴,利用Tensorflow,在原有的预测体系基础上。更近一步,完成了电池的全寿命预测。

靓科技解读 ·  2天前
PyTorch横扫顶会,TensorFlow退守业界:机器学习框架一年变天

机器学习框架的世界,局势变化过于迅猛,稍不注意就会被抢了地盘。一年前,TensorFlow还是各大顶会论文选择的主流框架,如今顶会几乎成了PyTorch的天下。

鱼羊 栗子 ·  2天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载