在過(guò)去機(jī)器學(xué)習(xí)蓬勃發(fā)展的一年中，許多好用實(shí)用的機(jī)器學(xué)習(xí)項(xiàng)目也紛紛出現(xiàn)，新智元為大家推薦2018年中六大最實(shí)用的機(jī)器學(xué)習(xí)項(xiàng)目。

過(guò)去一年，是人工智能和機(jī)器學(xué)習(xí)蓬勃發(fā)展的一年。許多高影響力的機(jī)器學(xué)習(xí)應(yīng)用被開發(fā)出來(lái)，特別是在醫(yī)療保健、金融、語(yǔ)音識(shí)別、增強(qiáng)現(xiàn)實(shí)以及更復(fù)雜的3D和視頻應(yīng)用中。

我們已經(jīng)看到了更多的應(yīng)用驅(qū)動(dòng)研究，而不是理論研究。雖然這些研究有著一些不足，但當(dāng)前的確產(chǎn)生了巨大的積極影響，也促成了很多可以迅速商業(yè)化的新研發(fā)。這一趨勢(shì)也在機(jī)器學(xué)習(xí)的大部分開源項(xiàng)目中得到了強(qiáng)烈反映。

讓我們來(lái)看看過(guò)去一年中前6大最實(shí)用的機(jī)器學(xué)習(xí)項(xiàng)目。這些項(xiàng)目發(fā)布了代碼和數(shù)據(jù)集，允許個(gè)別開發(fā)人員和小型團(tuán)隊(duì)學(xué)習(xí)并能實(shí)現(xiàn)立即創(chuàng)造價(jià)值。它們可能不是理論上最具開創(chuàng)性的作品，但卻非常適用且實(shí)用。

Fast.ai——易于使用，流程簡(jiǎn)便

Github鏈接：

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

項(xiàng)目鏈接：https://docs.fast.ai/

Fast.ai庫(kù)的編寫是為了簡(jiǎn)化訓(xùn)練快速準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)。它去掉了在實(shí)踐中實(shí)施深度神經(jīng)網(wǎng)絡(luò)可能帶來(lái)的所有細(xì)節(jié)工作。

Fast.ai非常易于使用，并且設(shè)計(jì)成符合開發(fā)者的應(yīng)用程序來(lái)構(gòu)建思維模式。最初這個(gè)開源項(xiàng)目是為Fast.ai課程的學(xué)生創(chuàng)建的，該庫(kù)以簡(jiǎn)潔易懂的方式編寫在易于使用的Pytorch庫(kù)上。

Detectron——Facebook AI出品

github鏈接：

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

Detectron是Facebook AI用于物體檢測(cè)和實(shí)例分割研究所創(chuàng)建的研究平臺(tái)，用Caffe2進(jìn)行編寫。它包含各種目標(biāo)檢測(cè)算法的實(shí)現(xiàn)，包括：

Mask R-CNN:：使用更快的R-CNN結(jié)構(gòu)的目標(biāo)檢測(cè)和實(shí)例分割；

RetinaNet：一個(gè)基于特征金字塔的網(wǎng)絡(luò)，具有獨(dú)特的Focal Loss來(lái)處理難題；

更快的R-CNN：目標(biāo)檢測(cè)網(wǎng)絡(luò)最常見的結(jié)構(gòu)

所有網(wǎng)絡(luò)都可以使用以下幾種可選的分類主干之一：

ResNeXt {50101152}（https://arxiv.org/abs/1611.05431）

RESNET {50101152}（https://arxiv.org/abs/1512.03385）

特征金字塔網(wǎng)絡(luò)（使用ResNet / ResNeXt）（https://arxiv.org/abs/1612.03144）

VGG16（https://arxiv.org/abs/1409.1556）

更重要的是，以上都帶有COCO數(shù)據(jù)集上的預(yù)訓(xùn)練模型，因此開發(fā)者可以立即使用它們。

FastText——Facebook 的又一研究

github鏈接：https://github.com/facebookresearch/fastText

這是來(lái)自Facebook的另一個(gè)研究，fastText庫(kù)專為文本表述和分類而設(shè)計(jì)。它配備了預(yù)先訓(xùn)練的150多種語(yǔ)言的詞向量模型。這些詞向量可用于多種任務(wù)，包括文本分類、摘要和翻譯。

Auto-Keras——降低機(jī)器學(xué)習(xí)門檻

GitHub鏈接：

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

Auto-Keras是一個(gè)用于自動(dòng)機(jī)器學(xué)習(xí)（AutoML）的開源軟件庫(kù)。它由德克薩斯州農(nóng)工（Texas A＆M）大學(xué)的DATA實(shí)驗(yàn)室和社區(qū)貢獻(xiàn)者開發(fā)。

AutoML的最終目標(biāo)是為只有有限數(shù)據(jù)科學(xué)或機(jī)器學(xué)習(xí)背景的領(lǐng)域?qū)＜姨峁┮子谠L問(wèn)的深度學(xué)習(xí)工具。Auto-Keras提供自動(dòng)搜索深度學(xué)習(xí)模型的最佳架構(gòu)和超參數(shù)的功能。

Dopamine——靈活易使用

GitHub鏈接：

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

Dopamine由谷歌創(chuàng)建，是快速原型的強(qiáng)化學(xué)習(xí)算法的研究框架。它旨在靈活且易于使用，實(shí)現(xiàn)標(biāo)準(zhǔn)的RL算法、指標(biāo)和基準(zhǔn)。

根據(jù)Dopamine的文檔，他們的設(shè)計(jì)原則是：

簡(jiǎn)單的實(shí)驗(yàn)：幫助新用戶運(yùn)行基準(zhǔn)實(shí)驗(yàn)；

靈活的開發(fā)：為新用戶提供新的創(chuàng)新想法；

緊湊且可靠：為一些較舊且更流行的算法提供實(shí)現(xiàn)的可能性；

可重復(fù)性：確保結(jié)果的可重復(fù)性。

vid2vid——英偉達(dá)的“黑科技”

GitHub鏈接：

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

vid2vid項(xiàng)目是英偉達(dá)（Nvidia）最先進(jìn)的視頻到視頻的合成算法。Pytorch實(shí)現(xiàn)了高分辨率（例如2048x1024）逼真的視頻到視頻轉(zhuǎn)換方法。這一項(xiàng)目的目標(biāo)是學(xué)習(xí)從輸入源視頻到精確描繪源視頻內(nèi)容的輸出擬真視頻的變換功能。

這個(gè)庫(kù)的好處在于其選擇多樣性：它提供了幾種不同的vid2vid應(yīng)用程序，包括自動(dòng)駕駛/城市場(chǎng)景，人臉和人體姿勢(shì)。它還附帶了豐富的指令和功能，包括數(shù)據(jù)集加載、任務(wù)評(píng)估、訓(xùn)練功能和多塊GPU。