Github 本周最热的 10 款「机器学习」开源项目 | PaperDaily #27

Github 本周最热的 10 款「机器学习」开源项目 | PaperDaily #27

张俊张俊
在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考。 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点,时刻紧跟 AI 前沿成果。 点击即刻加入社区,查看更多最新论文推荐。

Kubeflow

#用于 Kubernetes 的机器学习工具库

  • Star: 1717
  • Fork: 101

Kubeflow 是由 Google 发布的机器学习工具库,能方便用户在 Kubernetes 上部署机器学习平台。Kuberflow 的目标不是重建其他服务,而是提供一种简便的途径找到最佳 OSS 解决方案。

项目链接:github.com/google/kubef

Skorch

#兼容 Scikit-Learn 的 PyTorch 神经网络库

  • Star: 801
  • Fork: 51

一个封装在 PyTorch 上并且兼容 Scikit-learn 框架的神经网络库。

项目链接:github.com/dnouri/skorc

FlashText

#关键字替换和抽取

  • Star: 1437
  • Fork: 138

本项目是对 FlashText 算法的实现,用来替换或抽取句子中的关键词。

论文链接:paperweekly.site/papers

项目链接:github.com/vi3k6i5/flas

DeepVariant

#用深度学习实现精准基因测序

  • Star: 627
  • Fork: 122

本项目是由 Google 开源的深度学习模型,利用测序数据拼凑更精准的人类基因图谱,还可以精确识别 DNA 序列中的突变。

项目链接:github.com/google/deepv

PyTorch Unsupervised Sentiment Discovery

#高效学习情感表征的无监督系统

  • Star: 377
  • Fork: 28

本代码基于 PyTorch,复现了来自 OpenAI 的论文 Generating Reviews and Discovering Sentiment,训练得到的语言模型具有不错的迁移性,可以用来进行其他 NLP 任务的初始化。

论文链接:paperweekly.site/papers

项目链接:github.com/NVIDIA/senti

MatchZoo

#深度文本匹配开源工具

  • Star: 493
  • Fork: 112

MatchZoo 是一个基于 TensorFlow 的文本匹配工具包,可以应用于文本检索、自动问答、复述问题、对话系统等多种应用任务场景,包含了诸多主流深度文本匹配模型(DRMM, MatchPyramid, DUET, MVLSTM, aNMM, ARC-I, ARC-II, DSSM, CDSSM 等)。

项目链接:github.com/faneshion/Ma

MAgent

#多 agent 增强学习平台

  • Star: 270
  • Fork: 39

MAgent 是一个多 agent 增强学习研究平台,可同时支持数百甚至数百万的 agent 进行增强学习研究。

项目链接:github.com/geek-ai/MAge

pix2pixHD

#高分辨率图像合成和语义操作

  • Star: 1009
  • Fork: 102

本项目是对 NVIDIA 和 UC Berkeley 论文 High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs 的 PyTorch 版本实现。

论文解读:利用条件GANs的pix2pix进化版

项目链接:github.com/NVIDIA/pix2p

A Pytorch Faster Faster R-CNN Implementation

#R-CNN 模型的 PyTorch 实现

  • Star: 185
  • Fork: 18

本项目是目标检测任务中著名的 R-CNN 模型的一个快速实现,基于 PyTorch。

项目链接:github.com/jwyang/faste

Improved Video GAN

#视频生成框架

  • Star: 246
  • Fork: 12

本代码是对论文 Towards an Understanding of Our World by GANing Videos in the Wild 的实现,基于 TensorFlow。

论文链接:paperweekly.site/papers

项目链接:github.com/bernhard2202

论文在 Stacked Hourglass 基础上,提出 PRMs 模型和研究多分支网络的权重初始化方法。

论文链接:paperweekly.site/papers

本文由 AI 学术社区 PaperWeekly 精选推荐,社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向,点击即刻加入社区

我是彩蛋

解锁新姿势:用微信刷论文!

PaperWeekly小程序上线啦

今日arXiv√猜你喜欢√热门资源√

随时紧跟最新最热论文

解锁方式

1. 扫描下方小程序码打开小程序

2. 用PaperWeekly社区账号进行登陆

3. 登陆后即可解锁所有功能

关于PaperWeekly

PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。

微信公众号:PaperWeekly

新浪微博:@PaperWeekly

「真诚赞赏,手留余香」
还没有人赞赏,快来当第一个赞赏的人吧!
文章被以下专栏收录
还没有评论