本文作者對過去一個月內，近250個機器學習開源項目進行了排名，并選出了位列前10的項目。此排名是Mybridge AI基于多種因素開展的，以衡量項目和開發(fā)者的質量。本月上榜排名項目平均GitHub Star為919。

話不多說，公布排名！

1. Autokeras

Auto-Keras是一個用于自動機器學習(AutoML)的開源軟件庫。它是由德克薩斯A&M大學的數據實驗室和社區(qū)貢獻者聯(lián)合開發(fā)的。AutoML的最終目標是為那些欠缺數據科學、機器學習知識的領域專家提供易于訪問的深度學習工具。Auto-Keras提供了自動搜索深度學習模型的架構和超參數的功能。

由Haifeng Jin出品。

鏈接：

https://github.com/jhfjhfj1/autokeras?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

2. Glow

具有1×1卷積且可逆的生成模型。可以使用相對少的數據，快速生成高清的逼真圖像，具有GAN和VAE所不具備的精確操作潛在變量、所需內存少等優(yōu)勢。

由OpenAI出品。

鏈接：

https://github.com/openai/glow?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more#glow

3. Vid2vid

Pytorch實現高分辨率（如2048×1024）、逼真的“視頻到視頻”的轉換。它可以用來將語義標簽地圖轉化為逼真的照片視頻、從edge map合成人與人的會話，或從一個姿勢生成人體運動。

由NVIDIA AI出品。

鏈接：

https://github.com/NVIDIA/vid2vid?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

4. UnsupervisedMT

基于短語、神經的無監(jiān)督機器轉換。

由Facebook Research出品。

鏈接：

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

5. DanceNet

使用自動編碼器、LSTM和混合密度網絡的舞蹈生成器，該項目是構造舞蹈生成器的一種嘗試。

由Jaison Saji出品。

鏈接：

https://github.com/jsn5/dancenet?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

6. Soccerontable

利用AV/VR設備，以3D的方式觀看Youtube足球視頻，提高娛樂體驗度。

由Konstantinos Rematas出品。

鏈接：

https://github.com/krematas/soccerontable?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

7. Artificial-adversary

這個庫允許你使用一些方法生成文本，并對機器學習模型模擬攻擊。通過離線將你的模型暴露在這些文本中，有利于在線環(huán)境下的準備工作。

由AirbnbEng出品。

鏈接：

https://github.com/airbnb/artificial-adversary?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

8. Stt-benchmark

這是一個極簡的、可擴展的框架，用于對不同的語音到文本引擎進行基準測試。它是在Ubuntu 18.04上用Python3.6開發(fā)和測試的。

由Picovoice出品。

鏈接：

https://github.com/Picovoice/stt-benchmark?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

9. Sg2im

這個優(yōu)秀的開源代碼使用圖卷積來處理輸入的圖形，通過預測對象的邊界框和分割掩碼來計算場景布局，并將布局轉換為具有級聯(lián)細化網絡的圖像。

由Google Open Source出。

鏈接：

https://github.com/google/sg2im?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

10. GANimation

構建了一種人臉解剖結構上連續(xù)的面部表情合成方法，能夠在連續(xù)區(qū)域中呈現圖像，并能處理復雜背景和光照條件下的圖像。

由Albert Pumarola出品。

鏈接：

https://github.com/albertpumarola/GANimation?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more