五月GitHub最热机器学习项目Top 10 涵盖视觉问答、对象检测等

  • 时间:
  • 浏览:1
  • 来源:5分彩下注平台-5分彩注册平台_5分彩官网平台

我应该 你是开发者,那一定对 GitHub 后要陌生。五月刚开始英语 英语 了还有如此一周,这名月最新最火的机器学习项目看完完什么时间?Mybridge AI博客从将近21000个机器学习开源项目中找到了标星数排名最靠前的Top 10项目,暗含视觉问答、对象检测、自动生成评论等多个维度。

第1名:Pythia

Pythia是Facebook人工智能实验室出品的视觉和语言多模式研究的模块化框架,2138星。

Pythia基于PyTorch,支持Model Zoo、多任务,有各种内置数据集比如VQA、VizWiz,支持基于DataParallel和DistributedDataParallel的分布式训练,还能后要 实现深度1自定义。

另外,拿Pythia来做TextVQA和VQA的入门代码库就是我错。

链接:https://github.com/facebookresearch/pythia

第2名:云注释(Cloud Annotations)

自定义对象检测和分类训练,2014星。

基于IBM云对象存储,在TensorFlow上训练,需用先在线进行图像标注,macOS,Windows和Linux都能后要 用。

链接:https://github.com/cloud-annotations/training

第3名:PySOT

商汤出品,能后要 在视频里追踪单个对象,实现SiamRPN和SiamMask等算法,1703星。

PySOT实现了最先进的单一对象跟踪算法,包括SiamRPN和SiamMask等,用Python编写,在PyTorch上运行。

链接:https://github.com/STVIR/pysot

第4名:PyTorch-BigGraph

大规模图形行态数据生成嵌入软件,1417星,同样也是Facebook出品,主要作者是巴黎的Luca Wehrstedt。

PyTorch-BigGraph是有一三个白 分布式系统,能后要 追到多达数十亿实体和数万亿边缘的大型网络交互图形。

用PyTorch-BigGraph语句需用Python 3.6或更高版本,最低PyTorch 1.0,不需用投喂GPU,就是我比较费CPU。

链接:https://github.com/facebookresearch/PyTorch-BigGraph

第5名:InterpretML - Alpha

微软出品,用来训练可解释的机器学习模型,1039星。

这里的“可解释”指的是能后要 解释模型调试中遇到的错误,模型有如此搞歧视,怎样才能我能 类理解这名模型,模型与非 合法,在医疗、司法等高风险的领域靠不靠谱。

链接:https://github.com/microsoft/interpret

第6名:Weights & Biases

可视化和追踪机器学习实验工具,1098星。

分析机器学习实验,比TensorBoard更轻量级。每次运行时,能后要 保存超参数和输出指标,训练过程中能实现可视化模型,还能自动跟踪代码情形,系统指标和配置参数。

链接:https://github.com/wandb/client

第7名:MLIR

“多级上端表示”编译器基础行态,832星。

TensorFlow的一每段。MLIR旨在成为本身混合IR(intermediate representation),能后要 支持统一基础架构中的多种不同要求,后要 表示所有TensorFlow图,在TensorFlow图上实现优化和转换,用TensorFlow图我应该 TF Lite完成量化和图变换。

链接:https://github.com/tensorflow/mlir

第8名:MeshCNN

PyTorch中三维网格的卷积神经网络,367星。

这是SIGGRAPH 2019上发表的一篇论文,能后要 用来做3D行态分割,作者来自以色列特拉维夫大学和亚马逊。

类式传统CNN,MeshCNN结合了在网格边缘上运行的专用卷积和池化层。卷积应用于边缘和它们的入射三角形的三个白边缘,池化层用边缘折叠操作保留外皮拓扑行态,给上端的层生成了网状连接。

链接:https://github.com/ranahanocka/MeshCNN

第9名:TensorWatch

微软出品,用于深度1学习和强化学习的调试,监控和可视化,299星。

TensorWatch是一款专为深度1学习和强化学习而设计的debug和可视化工具。它充分利用Jupyter Notebook显示实时可视化,不需用时不时翻日志就能实时查询训练过程,还能后要 用来构建就是人的UI和仪表板。

此外,TensorWatch利用十多少 优秀的库来可视化模型图,审查模型统计,解释预测等。

链接:https://github.com/microsoft/tensorwatch

第10名:hncynic

有一三个白 猎奇项目,自动生成hacker news风格的评论,删改无视文章本身,看一眼标题,剩下全靠编,240星。

来源靠的是hacker news评论数据,借此训练Transformer编码器-解码器模型,中途还顺手用了一下维基百科的数据。

生成的评论大多脑洞清奇。

比如这名新闻标题《用TensorFlow检测鱼》,生成的评论是酱婶的:

这篇文章太辣鸡了。

1.为哪此代码看起来像一堆黑盒子标签?我如此看完它。

2.为哪此你的模型不利用哪此理论?为哪此有的是黑盒子分类器?

我应该 模型如此取出红盒子,它刚开始英语 英语 了了看完红盒子,看起来像有一三个白 如此明确颜色的黑盒子(看起来它知道暗蓝色是哪此)——它为什么么么会能看完红盒子,甚至能看出是黑盒子?

在有一三个白 不了解.我怎样才能使用“黑匣子”和“蓝盒子”来检测真实环境中的鱼类并使用黑匣子代替白纸盒的世界中,.我.我知道这名点。

看起来好像很有道理的样子,然而删改我就是我知道在说啥,就是我是满满的杠精画风啊!

链接:https://github.com/leod/hncynic