如果你平日太过繁忙，无暇在 GitHub 上去搜寻那些优秀的开源项目，那么正好，本文将为你汇总出 3 月份最热门的项目。你可以阅读这些项目来更新你的知识库，当然也可以将这些开源代码借鉴到自己的项目中。
更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）
这份榜单包含了一些非常棒的代码库。比如谷歌大脑的 AstroNet，又如人工智能神经网络可视化工具，我们汇总了多个强大的开源项目，相信它们能够帮助你扩展自己在机器学习领域的视野。
准备好了吗？让我们一起来看看 3 月份的 Top7 开源项目吧！
更多阅读：
一月份的 Top5 榜单 （https://www.analyticsvidhya.com/blog/2018/02/top-5-github-repositories-january-2018）
二月份的 Top5 榜单（https://www.analyticsvidhya.com/blog/2018/03/top-5-github-repositories-february-2018/）可参见 AI 前线往期报道：2018 年 2 月份 Github 上最热门的数据科学和机器学习项目
开源项目地址：https://github.com/minimaxir/person-blocker
Person Blocker 是一个 Python 库，它可以使用预先训练好的神经网络自动屏蔽掉图像中所有的人。它的核心算法采用 Mask R-CNN，并且在 MSCOCO 数据集上预先进行了训练。你知道更棒的是什么吗？实际上，它甚至都不需要用到 GPU！
这套算法能够屏蔽遮挡的并不仅限于人，实际上它可以屏蔽 所有对象。它能够识别 80 种不同类型的物体，包括车辆、小动物、电子产品，等等。
如果想要更多了解这个库，你可以阅读 Analytics Vidhya 的博客（https://www.analyticsvidhya.com/blog/2018/04/person-blocker-is-a-python-script-that-blocks-out-people-from-images/）。
开源项目地址：https://github.com/tensorflow/models/tree/master/research/astronet
AstroNet 是用来处理天文数据的深层神经网络模型。早在 2017 年 12 月，谷歌大脑团队曾透露他们通过 AstroNet 发现了 2 颗新行星。这是一个巨大的发现，它展示了机器学习在当今世界的深远影响力。
如今，谷歌大脑已经发布了该技术相关的全部代码，任何人都可以使用。该模型基于卷积神经网络（CNN）构建 。
更多阅读：
AVBytes 上关于 AstroNet 的文章（https://www.analyticsvidhya.com/blog/2018/03/google-has-made-the-code-for-astronet-available-for-everyone/）。
开源项目地址：https://github.com/Prodicode/ann-visualizer
ANN Visualizer 同样是一个 Python 库，它让我们仅用一行代码即可实现人工智能神经网络。它通常与 Keras 一起使用，并利用 Python 的'graphviz'库来构建出一幅整洁炫酷的神经网络图。
关于 ANN Visualizer，想要了解更多可以访问：https://www.analyticsvidhya.com/blog/2018/04/python-library-visualizes-artificial-neural-networks/。
开源项目地址：https://github.com/mm-mansour/Fast-Pandas
即便是 Python 新手也能快速体会到 Pandas 这个库的灵活性和强大的功能。作为一名数据科学家，你常常需要足够的灵活性并且能够针对不同问题想出应对之策。针对如此情形，Fast Pandas 正好可以提供多个实用方案。
这是一个非常有用的库，强烈建议大家尝试。
开源项目地址：https://github.com/tensorflow/tfjs
使用 TensorFlow.js 这个开源库，你可以通过 JavaScript 调用 API 的方法在 Web 浏览器中训练和构建机器学习模型。如果你熟悉 Keras，那么更上层的 API 对你来说完全不在话下。
它可用 GPU 加速，并自动支持 WebGL。你可以导入预先训练好的已有模型，也可以在浏览器中对这些机器学习模型重新进行训练。
阅读更多：
https://www.analyticsvidhya.com/blog/2018/04/tensorflow-js-build-machine-learning-models-javascript/。
开源项目地址：https://github.com/dfouhey/caffe64
Caffe64 是一个简单小巧但功能非常强大的神经网络库。众所周知，神经网络库的安装大多都比较复杂。而 Caffe64 简化了这一切，根据其开发人员的说法，Caffe64 是最容易编译且最轻量级的神经网络库。
使用 Caffe64，相信你能体会到它的美好！
开源项目地址：https://github.com/tensorflow/hub
TensorFlow Hub 这个库主要用于促进机器学习模型可重用部分的发布、发现和使用。特别是它还提供了模块，这些模块是预先训练好的 TensorFlow 模型，可以在新任务上重复使用。通过在相关任务上重新使用模块，你可以：
用较小的数据集来训练模型
改进泛化
大大加快训练速度
你以前使用过这些开源项目吗？有没有自己的使用心得？如果有，欢迎评论分享！
阅读原文
https://www.analyticsvidhya.com/blog/2018/04/top-7-github-repositories-march-2018/