前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >从视频追踪到自动评论,五月GitHub最热机器学习项目都在这里了

从视频追踪到自动评论,五月GitHub最热机器学习项目都在这里了

作者头像
代码医生工作室
发布2019-06-23 20:37:27
发布2019-06-23 20:37:27
5780
举报
文章被收录于专栏:相约机器人
郭一璞 发自 凹非寺 量子位 报道

您的五月余额已不足,这个月最新最火的机器学习项目都看过了吗?

Mybridge AI博客从将近250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,涵盖视觉问答、对象检测、自动生成评论等多个维度。

一起来看看吧~

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,还可以实现高度自定义。

另外,拿Pythia来做TextVQA和VQA的入门代码库也不错。

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,需要先在线进行图像标注,macOS,Windows和Linux都可以用。

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

第3名:PySOT

商汤出品,可以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

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

PyTorch-BigGraph是一个分布式系统,可以搞定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的话需要Python 3.6或更高版本,最低PyTorch 1.0,不需要投喂GPU,但是比较费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”指的是可以解释模型调试中遇到的错误,模型有没有搞歧视,如何让人类理解这个模型,模型是否合法,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,可以保存超参数和输出指标,训练过程中能实现可视化模型,还能自动跟踪代码状态,系统指标和配置参数。

链接: https://github.com/wandb/client

第7名:MLIR

“多级中间表示”编译器基础结构,832星

TensorFlow的一部分。MLIR旨在成为一种混合IR(intermediate representation),可以支持统一基础架构中的多种不同要求,能够表示所有TensorFlow图,在TensorFlow图上实现优化和转换,用TensorFlow图或者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,可以用来做3D形状分割,作者来自以色列特拉维夫大学和亚马逊。

类似传统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四个边缘,池化层用边缘折叠操作保留表面拓扑结构,给后面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,不需要一直翻日志就能实时查询训练过程,还可以用来构建自己的UI和仪表板。

此外,TensorWatch利用几个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

一个猎奇项目,自动生成hacker news风格的评论,完全无视文章本身,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。

比如这个新闻标题《用TensorFlow检测鱼》,生成的评论是酱婶的:

这篇文章太辣鸡了。 1.为什么代码看起来像一堆黑盒子标签?我没有看到它。 2.为什么你的模型不利用这些理论?为什么不是黑盒子分类器? 如果模型没有取出红盒子,它开始看到红盒子,看起来像一个没有明确颜色的黑盒子(看起来它知道蓝色是什么)——它怎么能看到红盒子,甚至能看出是黑盒子? 在一个不了解我们如何使用“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,我们都知道这一点。

看起来好像很有道理的样子,然而完全不知道在说啥,而且是满满的杠精画风啊!

链接: https://github.com/leod/hncynic

传送门

原文链接: https://medium.mybridge.co/machine-learning-open-source-for-the-past-month-v-may-2019-bf4ff9b80b1b

作者系网易新闻·网易号“各有态度”签约作者

推荐阅读

Github超10000星:100天从Python新手到大师

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-05-27,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 相约机器人 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 第1名:Pythia
  • 第2名:云注释(Cloud Annotations)
  • 第3名:PySOT
  • 第4名:PyTorch-BigGraph
  • 第5名:InterpretML - Alpha
  • 第6名:Weights & Biases
  • 第7名:MLIR
  • 第8名:MeshCNN
  • 第9名:TensorWatch
  • 第10名:hncynic
  • 传送门
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档