Mybridge對(duì)8月250個(gè)機(jī)器學(xué)習(xí)開(kāi)源項(xiàng)目進(jìn)行了排行，并列出了前10位，Github星的平均數(shù)量：1355

月度開(kāi)源項(xiàng)目排行榜又來(lái)了！

這次，由Mybridge AI根據(jù)包括GitHub簽星數(shù)量在內(nèi)的各種評(píng)判因素，對(duì)8月份將近250個(gè)開(kāi)源項(xiàng)目進(jìn)行了比較，做出了一個(gè)《8月機(jī)器學(xué)習(xí)開(kāi)源項(xiàng)目排行榜》，下面列出了其中的TOP 10。10個(gè)項(xiàng)目的平均星數(shù)達(dá)到了1355。

1. UGATIT（超3500星）

U-GAT-IT的官方Tensorflow實(shí)施：具有自適應(yīng)層實(shí)例規(guī)范化的無(wú)監(jiān)督生成注意網(wǎng)絡(luò)，用于圖像到圖像的轉(zhuǎn)換。

https://github.com/taki0112/UGATIT?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

2. Dlrm（超1300星）

深度學(xué)習(xí)推薦模型（Deep Learning Recommendation Model）的實(shí)現(xiàn)模型輸入由密集和稀疏特征組成。 前者是浮點(diǎn)值的向量。 后者是嵌入表的稀疏索引列表，嵌入表由浮點(diǎn)值向量組成。 所選擇的矢量被傳遞到由三角形表示的mlp網(wǎng)絡(luò)，在一些情況下，矢量通過(guò)操作符（Ops）進(jìn)行交互。

https://github.com/facebookresearch/dlrm?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

3. Real-Time-Voice-Cloning（超6200星）

該倉(cāng)庫(kù)是一種從說(shuō)話(huà)人驗(yàn)證到多語(yǔ)言文本到語(yǔ)音合成（SV2TTS）的遷移學(xué)習(xí)的實(shí)現(xiàn)，其中有一個(gè)實(shí)時(shí)工作的聲碼器。SV2TTS是一個(gè)三階段深度學(xué)習(xí)框架，允許從幾秒鐘的音頻創(chuàng)建一個(gè)語(yǔ)音的數(shù)字表示，并使用它來(lái)調(diào)節(jié)訓(xùn)練的文本到語(yǔ)音模型以推廣到新的聲音。

https://github.com/CorentinJ/Real-Time-Voice-Cloning?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

4. RAdam（超1200星）

Adam是一種對(duì)隨機(jī)目標(biāo)函數(shù)執(zhí)行一階梯度優(yōu)化的算法，該算法基于適應(yīng)性低階矩估計(jì)，但基本機(jī)制在很大程度上是未知的，雖然收斂速度很快，但容易掉入局部最優(yōu)解的“陷阱”。

來(lái)自UIUC的中國(guó)博士生Liyuan Liu提出了一個(gè)新的優(yōu)化器RAdam，結(jié)合了Adam和SGD兩者的優(yōu)點(diǎn)，在保證收斂速度的前提下避免掉入局部最優(yōu)解陷阱。同時(shí)，收斂結(jié)果對(duì)學(xué)習(xí)率的初始值比較麻木。在較大學(xué)習(xí)率的情況下，RAdam效果甚至還優(yōu)于SGD。

https://github.com/LiyuanLucasLiu/RAdam?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

5. TensorNetwork（超780星）

TensorNetwork是谷歌為了提高張量計(jì)算效率，和加拿大圓周理論物理研究所（Perimeter Institute for Theoretical Physics）、谷歌 X 公司一起開(kāi)發(fā)的開(kāi)源庫(kù)。它使用TensorFlow 作為后端，針對(duì)GPU進(jìn)行了優(yōu)化，與在 CPU 上的運(yùn)行速度相比實(shí)現(xiàn)了 100 倍的加速。

https://github.com/google/tensornetwork?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

6. Megatron-LM（超900星）

英偉達(dá)一舉創(chuàng)造了 2 個(gè)壯舉！訓(xùn)練出了世界上最大的語(yǔ)言模型 ——MegatronLM，包含 83 億參數(shù)，比 BERT 大 24 倍，比 GPT-2 大 5.6 倍；還打破了實(shí)時(shí)對(duì)話(huà) AI 的記錄，僅耗時(shí) 53 分鐘即可訓(xùn)練出行業(yè)標(biāo)準(zhǔn) BERT 模型、2 毫秒就能對(duì)答案做出推斷！

https://github.com/NVIDIA/Megatron-LM?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

7. Python_autocomplete（超600星）

這個(gè)好玩的項(xiàng)目是一個(gè)簡(jiǎn)單的LSTM模型，可以自動(dòng)完成python代碼，可以進(jìn)行波束搜索以找到預(yù)測(cè)，最多可達(dá)10個(gè)字符。

https://github.com/vpj/python_autocomplete?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

8. Realistic-Neural-Talking-Head-Models（超190星）

Few-Shot Adversarial Learning of Realistic Neural Talking Head Models論文的代碼實(shí)現(xiàn)。

https://github.com/vincent-thevenin/Realistic-Neural-Talking-Head-Models?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

9. TecoGAN（超980星）

TecoGAN被用來(lái)實(shí)現(xiàn)視頻超分辨率，該技術(shù)可以生成非常精致的細(xì)節(jié)，甚至連背上的斑點(diǎn)都清晰可見(jiàn)，同時(shí)還能保持視頻的連貫性，由慕尼黑工業(yè)大學(xué)研究人員開(kāi)發(fā)。

https://github.com/thunil/TecoGAN?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

10. Buffalo（超230星）

TOROS Buffalo：一個(gè)快速，可擴(kuò)展的生產(chǎn)就緒型開(kāi)源項(xiàng)目，適用于推薦系統(tǒng)。