Github 8 月深度學習項目精選 Top 10,第一名是「開源版」Google AutoML

【我們為什麼挑選這篇文章】這篇的首圖很容易讓大家覺得這篇文章不正經,但其實是切實的精華文,這次精選的第一名我們曾經有專文介紹過,是 AUTO KERAS ,一個由德州農機大學團隊,因為不爽 Google AutoML 所以自己做的開源版,是個很有趣的產品。話不多說,大家慢用。(責任編輯:林子鈞)

大家好!這裡整理了一份過去的一個月機器學習項目的 Top 10,特地為大家搬運過來,看看你 pick 哪一個呢?

這個榜單是從過去一個月的 250 項開源機器學習項目中挑選出來的。作者比較了這段時間內的新的,重大的成果,並根據一系列的因子來衡量它的專業水準。

開源項目對程序員非常有用,希望你也可以從中找出啟發你的那一個!

第十名

GANimation:基於單圖的結構性臉部動畫(Albert Pumarola 等人)[Github 中獲得 344 星]

傳送門

這是一個基於動作單元(AU)的新型 GAN 體系,它展示了一個連續多樣的結構性臉部變化,從而定義面部表情。此方法允許調整每個動作單元的度量,並且可以結合其中的幾個單元。

第九名

Sg2im:基於場景圖的圖像生成(谷歌開源) [Github 中獲得 670 星]

傳送門

場景圖是一個視覺場景的結構表示圖,其中節點表示物體,連線表示物體間的關係。此研究介紹了一個輸入場景圖,輸出圖像的端到端神經網絡模型。

第八名

Stt-benchmark:語音到文字的基準衡量(Picovoice) [Github 中獲得 294 星]

傳送門

Cheetah 是 Picovoice 為物聯網應用設計的語音識別引擎。與其他模型相比,Cheetah 的表現幾乎接近於最好的 DeepSpeech(0.3 vs 0.32 WER)。但是,它有著快 100 倍的速度和少 398 倍的內存。這讓 Cheetah 可以在嵌入小型貨品的平台(例如 Raspberry Pi)運行,並且便利於大型的,需要更多計算與存儲資源的模型。

第七名

Artificial-adversary:生成對抗文本的工具,測試機器學習模型(Airbnb Engineering)[Github 中獲得 155 星]

傳送門

在區分用戶生成的文本時,用戶可以有很多方式修改內容,以免被監測。這包括將字符換為類似的長相的字符。例如 please wire me 10,000 US DOLLARS to bank of scamland(請給我轉 10,000 美元)可能是一條詐騙信息,但是如果寫成 [email protected] me 10000 US DoLars to,BANK of ScamIand,很多鑑別器將失靈。

使用這個擴展庫,你就可以利用這些方法生成文本,並在你自己的機器學習算法上測試。

第六名

Soccerontable: 在你的桌面上觀看足球比賽(Konstantinos Rematas)[Github 中獲得 247 星]

傳送門

請戳之前的報導:在 咖啡桌上看世界盃 !FB 和谷歌剛剛在 CVPR 聯合發佈 AR 看球新方式

第五名

DanceNet:使用 Autoencoder,LSTM 和混合密度網絡的舞蹈生成器(Keras)[Github 中獲得 282 星]

傳送門

第四名

UnsupervisedMT:基於短語與神經非監督機器翻譯(Facebook Research)[Github 中獲得 490 星]

傳送門

如今的機器翻譯系統雖然接近人類的效率,但這和大量的平行語句有關。這篇文章研究了如何在單一語料庫的情形下學習翻譯。作者們提出了一種神經模型和一種基於短語的模型。兩種模型都在初始化參數、模型降噪、平行數據的迭代生成上斟酌。它們的表現大幅超越之前的模型,並且有著更簡單的結構和更少的超參數。

第三名

Vid2vid:視頻到視頻的合成(NVIDIA AI)[Github 中獲得 1797 星]

傳送門

這篇文章提出一個新型的,利用對抗生成結構的視頻到視頻合成方法。Github 包含了 Pytorch 的高分辨率實現。這個模型可以將語義標記圖轉為實際視頻,從描邊圖生成真人講話動作,或者是由姿勢生成人類動作。

第二名

Glow:可逆的 1×1 卷積生成流(OpenAI)[Github 中獲得 1664 星]

傳送門

Glow 是一個可逆的生成模型,它被用來做 1×1 的可逆卷積。它延續了之前的研究(https://arxiv.org/abs/1605.08803),並簡化了其結構。此模型可以生成高分辨率的圖像,發現可操縱數據的特徵。

第一名

Autokeras:自動化機器學習(AutoML)的開源軟件庫(Haifeng Jin)[Github 中獲得 2637 星]

傳送門

Auto-Keras 是一個 AutoML 的開源軟件庫。它由德州農機大學的 DATA Lab 開發。AutoML 的最終目的是將簡易的深度學習工具提供給各個領域中不具有數據科學背景的專家。Auto-Keras 提供了一些函數,以建立可自動尋找結構和超參數的深度學習模型。

TO 相關報導:不爽 Google AutoML 要收錢,工程師們自己做了一個「免費開源版」對槓 Google

給工程師

這些價值上億美元的網站,背後居然都只有一個工程師

工程師挑戰機器學習極限,用 CoreML 成功把 AI 塞進一台 iPhone 裡!

工程師心目中的「頂尖產品經理」長這樣:邏輯強、即時反饋、尊重工程師意見

(本文經合作夥伴 大數據文摘 授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為 〈Github 八月深度學習項目熱搜 Top 10,你 Pick 哪一個!〉。)


【徵求產業線編輯 3 名】

工作內容與需求:

1. 高度關注國際科技趨勢、台灣產業新聞
2. 根據月度編輯台企劃,執行編輯、採訪與撰稿工作
3. 進行線上、線下媒體策展
4. 根據不同策展專案進行跨部門溝通
5. 針對網站數據做解讀與優化分析
6. 具有 2~3 年工作經驗的媒體工作者
7. 習慣閱讀《彭博社》、《財富雜誌》、《金融時報》、《Fast Company》者更佳
8. 目標導向思考,對準目標、彈性工作

【應徵方式】

意者請提供履歷自傳以及「相關文字作品」,寄至 [email protected]。來信主旨請註明:【應徵】TechOrange 社群編輯:您的大名

點關鍵字看更多相關文章: