2018年10月机器学习GitHub项目

2018年11月机器学习/深度学习GitHub项目

1、Faster R-CNN and Mask R-CNN in PyTorch 1.0

如今，计算机视觉已经变得非常流行，各组织都在争相在其产品中实现和集成最新的算法。对象检测是该领域最热门的技能。这是Facebook的一个非常酷的项目，它的目的是为使用流行的PyTorch 1.0框架创建分割和检测模型提供构建模块。Facebook声称这比它的Detectron框架快了两倍，并且带有预先训练的模型。

github地址：https://github.com/facebookresearch/maskrcnn-benchmark

2、腾讯ML图像(最大的开源多标签图像数据库)

这个资源库是所有深度学习爱好者的金矿。该数据集中包含17,609,752个训练图像和88,739个验证图像，这些图像url最多带有11,166个类别的注释。
该项目还包括一个训练有素的Resnet-101模型，该模型通过迁移学习在ImageNet上的准确率达到了80.73%。存储库包含关于如何以及从何处开始的详细信息和代码。

github地址：https://github.com/Tencent/tencent-ml-images

3、谷歌AI的BERT (NLP)(PyTorch实现)

谷歌的BERT是一种语言表示模型，代表来自转换器的双向编码器表示，该模型已经在机器学习社区引起了轰动。BERT在11个自然语言处理(NLP)任务中设置了各种各样的新基准。对于某些人来说，在广泛的NLP任务中使用预先训练的语言模型可能听起来很奇怪，但是BERT框架已经将其转化为现实。在流行的小组问答测试中，它甚至明显优于人类。这个存储库包含用于在您自己的机器上实现BERT的PyTorch代码。正如谷歌大脑研究科学家Thang Luong在推特上所说，这很可能是NLP新时代的开始。

github地址：https://github.com/codertimo/BERT-pytorch

4、最新Arxiv研究论文及其摘要提取

我们怎样才能掌握机器学习的最新研究成果?我们似乎几乎每周都能看到突破，跟上它们是一项艰巨的挑战，大多数顶尖的研究人员都在arxiv.org网站上发布了他们的论文全文，那么有没有什么方法来整理最新的论文呢?是的,有!这个存储库使用Python (v3.x)通过抓取arxiv论文并总结它们的摘要来返回最新的结果。这是一个非常有用的工具，因为它将帮助我们与最新的论文保持联系，让我们选择我们想读的。正如存储库中提到的，您可以运行以下命令来搜索关键字:

github地址：https://github.com/chiphuyen/sotawhat

5、DeepMimic

 

我总是试图在这些列表中包含至少一个强化学习库—主要是因为我觉得这个领域的每个人都应该了解这个领域的最新进展。这个月的参赛作品是一个迷人的单动作模仿与深度强化学习。本库实现了“深度模拟:基于物理的角色技能深度强化学习的示例指导”论文，发表于SIGGRAPH 2018。引用知识库中的话说，“该框架使用强化学习来训练一个模拟的人形来模仿各种各样的动作技能”。

github地址：https://github.com/xbpeng/DeepMimic

6、Bonus: AdaNet by Google AI

AdaNet是一个轻量级的、可伸缩的基于tensorflow的框架，用于自动学习高质量的模型。最好的一点是，您不需要过多的干预——框架足够智能和灵活，可以构建更好的模型。

github地址：https://github.com/tensorflow/adanet

微信公众号：python练手项目实战
更多机器学习算法的学习欢迎关注我们。对机器学习感兴趣的同学欢迎大家转发&转载本公众号文章，让更多学习机器学习的伙伴加入公众号《python练手项目实战》，在实战中成长。同时欢迎在公众号内留言;