Github年度报告盘点:TensorFlow无疑是最大赢家!

作者: 佚名 2017-12-08 12:44:44

目前,全球已有数百万开发人员使用GitHub来共享代码和建立业务,很多开发人员选择在这里修补新技术,贡献开源项目等。越来越多的公司开始习惯将“开源代码贡献情况”加入开发者考察中。

过去十年,Github所有开发者共享2500万公共仓库的代码,用户遍布200多个国家,使用人数达到了2400万,有6700万Repo,新增了10亿提交,2350万个活跃项目,670万开发者。其中,欧洲和美洲的开发人员最为活跃。(更多数据信息可查阅:https://octoverse.github.com/)

1、年终盘点:2017年Github上的热门话题都有什么?

Website——在Github中,website话题下的Repo数量为6726,最高一个项目的Star数为8.4K,前13名项目最低Star数为1.1K.

iOS——在Github中,iOS话题下的Repo数量为9789,最高一个项目的Star数量为32.7K,前13名靠前的项目最低Star数为11.5k。

API——在Github中,API话题下的Repo数量为9761,最高项目的Star数量为32.9K,前13名靠前的项目最低Star数为5.2K。

Game——在Github中,game话题下的Repo数量为10429,最高项目的Star数量为16.7K,前13名项目最低Star数为3K。

Deep-learning——在Github中,Deep-learning话题下的Repo数量为5786,深度学习能在短时间内达到这么多Repo足以说明其火爆程度。同时,其最高项目的Star数量非常高,高达80.8K,该项目正是Tensorflow!项目少也造成Star数量比较集中,前13名靠前的项目最低star为9.9K。

Blog——该话题下的Repo共6944个,最高项目star为15.5k,前13名项目的最低Star为2K。

Machine-learning——该话题下的Repo共11268个,由于机器学习包含深度学习,因此数量较多,最高Star数量项目依然是TensorFlow。

Arduino——该话题下的Repo共5068个,最高项目Star数量为8.4K,前13名项目最低Star为785。

Plugin——该话题下的Repo共4603个,最高项目Star数量为5.3K,前13名项目最低Star为1.7K。

Library——该话题下的Repo共5186个,最高项目Star数量为82.8K,该项目是大火的react,前13名项目最低Star为4.4k。

Bot——该话题下的Repo共4508个,最高项目Star数量为13.6K,前13名项目最低Star为1.8K。

Database——该话题下的Repo共4657个,最高项目Star数量为15.8K,前13名项目最低Star为7.4K。

2、年终盘点:2017年Github Fork最多的项目有什么?

Github年度报告盘点:TensorFlow无疑是最大赢家!

注意:这份清单不包括MOOC课程,但Coursera的R编程任务也有数千个课程。如果看Fork的话,起码有超过10万名学生开始了这项任务。

Github年度报告盘点:TensorFlow无疑是最大赢家!

早在去年,Tensorflow就是唯一上榜的机器学习项目,可见谷歌在宣传推广以及完善代码和文档方面没少下功夫。

近两年,机器学习无疑是最大的赢家,TensorFlow无疑是最大的赢家。无论是Star数量还是Fork数都很高,这也说明很多开发者都开始向这个方向转型,可能已经在准备将机器学习作为今后的主要研究方向之一。

3、年终盘点:2017年Github被贡献最多的项目:

Github年度报告盘点:TensorFlow无疑是最大赢家!

虽然TensorFlow的关注度很高,但开发者似乎不太热衷于贡献项目。微软的VS code项目的开发者贡献热情最高,当然这之中有不少优秀的微软开发工程师的加入。

4、年终盘点:2017年Github review最多的项目

Github年度报告盘点:TensorFlow无疑是最大赢家!

5、年终盘点:2017年Github上discuss最多的项目

Github年度报告盘点:TensorFlow无疑是最大赢家!

结合这几张清单来看,项目之间的重叠度似乎不是很高,很难根据这几张清单得到一个最受欢迎的项目结论,不过此前的Github一周最热项目中,自然语言处理Python库spaCy随着新版本的发布,在Github上的热度迅速窜高。

6、年终盘点:2017年Github上使用最多的表情是哪一个?

在过去这一年,点赞是使用最多的表情,多达7.2M,远远高于其他任何表情。其他统计的表情如下:

Github年度报告盘点:TensorFlow无疑是最大赢家!

财富50强企业中有52%使用GITHUB ENTERPRISE,如果扩大到财富100强的公司,则该比例会扩大到45%。美国100家最大的公司中,有一半(按收入)使用GitHub Enterprise来构建软件。

7、年终盘点:2017年Github上顶级APP都有哪些?

Github年度报告盘点:TensorFlow无疑是最大赢家!

安装量最高的付费APP:

Github年度报告盘点:TensorFlow无疑是最大赢家!

GitHub Marketplace中有26个应用程序,自2017年5月推出市场,为开发者提供了更好的工作新途径。目前有26个集成可用,而且这个数字每个月都在增长。

在这一年,Github还迎来了一大批学生开发者,5300名老师在Github上教学,505045名学生在Github上学习,学生开发包帮助了超过85万名学生像专业人员一样编码。

Github iOS 机器学习
上一篇:AI会让人类失业吗? 马云马化腾们可不这么认为 下一篇:高通公布骁龙845特性:更快更省电,人工智能性能增两倍
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 ·  14h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
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
Nature发文:深度学习系统为什么这么好骗?

今天的人工智能系统经常会出现莫名其妙的 bug。最新一期《自然》杂志上的这篇文章向我们介绍了深度学习为什么如此容易出错,以及解决这些问题的研究方向。

机器之心 ·  3天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载