重磅干貨，第一時(shí)間送達(dá),！

譯者 | Shawn Lee

編輯 | Jane

來源 | AI科技大本營（ID: rgznai100）

在過去的幾年里,，機(jī)器學(xué)習(xí)為各行各業(yè)開創(chuàng)了新紀(jì)元，誕生了許多成功的案例： Facebook 的面部識(shí)別,，Netflix 的智能電影推薦系統(tǒng),，PrimaAI 的圖像風(fēng)格轉(zhuǎn)換，Siri 的語音識(shí)別,，Google Allo 的自然語言處理，及其他很多開發(fā)中的項(xiàng)目,。

除了這些案例以外,，GitHub 上有大量托管的開源機(jī)器學(xué)習(xí)項(xiàng)目。我們挑選了最受大家歡迎的項(xiàng)目,，這些項(xiàng)目涵蓋 CV,、NLP 及語音三大領(lǐng)域的 25 個(gè)開源項(xiàng)目，包括：如何讓機(jī)器學(xué)習(xí)創(chuàng)作音樂,、歌曲,；如何為草圖、灰度圖像上色,；圖片風(fēng)格轉(zhuǎn)換,；語音風(fēng)格遷移；在 IOS 或 Android 上進(jìn)行面部檢測與情感分類,；提供游戲研究平臺(tái),；最先進(jìn)的物體檢測算法的實(shí)現(xiàn)；無人機(jī)與汽車的模擬器,；損毀圖像的恢復(fù)工具,、人體關(guān)鍵點(diǎn)檢測等內(nèi)容。希望大家能從中學(xué)到新的知識(shí)并得到啟發(fā),。

▌TensorFlow

TensorFlow 是一個(gè)用于研究和生產(chǎn)的開源機(jī)器學(xué)習(xí)庫,。 TensorFlow 為初學(xué)者和專家提供了各種API，以便對桌面,、移動(dòng)終端,、Web和云進(jìn)行開發(fā)。

TensorFlow 由 Google Brain 團(tuán)隊(duì)開發(fā),，最初僅供 Google 內(nèi)部使用,。2015年11月 9 日,，TensorFlow 在 Apache 2.0 開源許可下發(fā)布。最新版本的 TensorFlow 支持  Keras,，它是一種用 Python 編寫的高級(jí)神經(jīng)網(wǎng)絡(luò) API,，能夠在 TensorFlow， CNTK 或 Theano 之上運(yùn)行,。Keras 也包含 Javascript 和 Swift 的接口,。

▌Scikit-learn

Scikit-learn 是基于 NumPy、SciPy 和 Matplotlib 的一款簡單有效的數(shù)據(jù)挖掘和數(shù)據(jù)分析工具,。 由于其簡單和便捷的功能,，它常與 TensorFlow 一起使用。

▌MXNet

除了 TensorFlow ,、Keras 和 Scikit-learn 之外,，Apache 的 MXNet 也是一款深度學(xué)習(xí)的框架工具。 它專為提高效率和靈活性而設(shè)計(jì),，允許混合使用符號(hào)和命令式編程,，以最大限度地提高效率和生產(chǎn)力。

▌PyTorch

PyTorch 絕對是這個(gè)列表里一定要提到的一款應(yīng)用,，它在機(jī)器學(xué)習(xí)愛好者里享有很高的知名度,。 PyTorch 基于 Torch ，并由 Facebook 作為其機(jī)器學(xué)習(xí)的框架發(fā)布,。 PyTorch 是一個(gè) Python 包,，它提供兩個(gè)高級(jí)功能：由強(qiáng) GPU 支持的加速張量計(jì)算（如 NumPy ），其深度神經(jīng)網(wǎng)絡(luò)是建立在基于磁盤的 autograd 包上,。

（來源：https://twitter.com/pytorch/status/966324198758006784）

▌magenta 

Magenta 目前還在研究過程中,，它致力于探索如何讓機(jī)器學(xué)習(xí)參與藝術(shù)和音樂的創(chuàng)作。 它主要涉及創(chuàng)新開發(fā)深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)的算法以用于生成歌曲,、圖像,、繪圖和其他素材。 同時(shí),，Magenta 也是對于如何構(gòu)建智能工具和界面的探索,，它允許藝術(shù)家和音樂家使用這些模型擴(kuò)展（而不是取代！）他們的創(chuàng)作路徑,。

它主要的庫適配于 python ,，除此之外也有 Javascript 的版本 — magenta.js 。 在藝術(shù)創(chuàng)作里,，大部分人可能從未想過高級(jí)機(jī)器學(xué)習(xí)可以使用在這個(gè)領(lǐng)域,，但 Megenta 向人們完美地展示了應(yīng)用的可能性。點(diǎn)擊這里觀看這些令人驚嘆的聲音和繪圖生成器的演示吧,。

▌style2paints

該項(xiàng)目旨在為線稿著色,。 AI 可以根據(jù)既定的顏色樣式在草圖上繪制,、或在草圖上創(chuàng)建繪制自己的顏色風(fēng)格、亦或者將現(xiàn)有的風(fēng)格轉(zhuǎn)換至另一種風(fēng)格,。

有一些值得一看的新的功能,，例如色彩錨和圖像過渡。

▌Image-to-image translation in PyTorch 

該項(xiàng)目有兩個(gè)組成部分,，CycleGAN 和 pix2pix ,。基于 PyTorch ,，它們可以實(shí)現(xiàn)用于未配對和成對的圖像到圖像轉(zhuǎn)換,。 乍看之下，它仿佛只是一種相當(dāng)普通的風(fēng)格轉(zhuǎn)移解決方案,，事實(shí)上,，它跟其他應(yīng)用不一樣。比如它能將圖片里普通的馬轉(zhuǎn)換為斑馬或從實(shí)景照片轉(zhuǎn)換為莫奈風(fēng)格的畫作,。并且它的處理速度快到足以在實(shí)時(shí)視頻上應(yīng)用,。

▌Deep voice conversion

列表上已經(jīng)羅列了一些用于圖像和視頻的風(fēng)格轉(zhuǎn)換工具了，但是語音呢,？ 深度語音轉(zhuǎn)換便是此功能的完美示例。

如果你可以模仿名人的聲音或擁有著歌手一樣歌喉,，你會(huì)怎么干點(diǎn)什么,？ 深度語音轉(zhuǎn)換的目的是將任意人的聲音轉(zhuǎn)換為特定的目標(biāo)聲音，也就是所謂的語音風(fēng)格轉(zhuǎn)移,。項(xiàng)目開始時(shí),，我們目標(biāo)將任意人的聲音轉(zhuǎn)換為著名的英國女演員 Kate Winslet 的聲音。 我們使用了一個(gè)深度神經(jīng)網(wǎng)絡(luò)和由 Kate Winslet 朗讀的2小時(shí)有聲讀物作為數(shù)據(jù)集來實(shí)現(xiàn)這一目標(biāo),。

▌StarGAN in PyTorch

StarGAN 是這篇文章中提到的一個(gè) PyTorch 應(yīng)用：Unified Generative Adversarial Networks for Multi-Domain Image-to-Image Translation,。它可以將源圖像轉(zhuǎn)換成不同的發(fā)型、皮膚類型,、年齡,、性別和不同的情緒。

▌Face detection

面部檢測聽起來不太吸引人,，因?yàn)槲覀兛梢栽?iOS 和 Android 上使用 Core ML 或 ML Kit 輕松地完成這項(xiàng)工作,。 但是隨著深入了解，你會(huì)發(fā)現(xiàn)它不僅可以檢測面部,，還可以檢測情緒和性別,。

使用 Keras CNN 模型和 OpenCV 在 fer2013 / IMDB 數(shù)據(jù)集的進(jìn)行實(shí)時(shí)人臉檢測和情感/性別分類。

▌Deep universal probabilistic programming

Uber AI Labs 構(gòu)建了這個(gè)深度概率編程庫,，用于簡化其運(yùn)輸服務(wù)的預(yù)測和優(yōu)化收益,。 任何處理概率建模的人都會(huì)對這個(gè)庫感興趣,。

機(jī)遇無處不在，從匹配乘客和駕駛員,，建議最佳路線,，找到最明智的搭配組合，甚至創(chuàng)造下一代智能車輛,。 為了解決這些挑戰(zhàn),，我們將最先進(jìn)的人工智能（AI）技術(shù)與數(shù)據(jù)科學(xué)家、工程師和其他用戶的豐富專業(yè)知識(shí)相結(jié)合,。 我們正在探索一種工具優(yōu)先的方法,，使我們和其他人能夠制作下一代AI解決方案。

▌ParlAI

作為 Facebook 研究項(xiàng)目的一部分,，ParlAI 是一個(gè)用于在各種公開可用的對話數(shù)據(jù)集上訓(xùn)練和評(píng)估 AI 模型的框架,。 ParlAI 是一個(gè)在為研究人員提供訪問許多流行數(shù)據(jù)集的權(quán)限的同時(shí)，也可以共享和測試對話模型的統(tǒng)一框架,。 

▌Facets 

Facets 一種可視化機(jī)器學(xué)習(xí)數(shù)據(jù)集的工具,。

可視化由 Polymer Web 組件實(shí)現(xiàn)，由 Typescript 代碼支持,，可以輕松嵌入到 Jupyter 筆記本或網(wǎng)頁中,。

可視化的關(guān)鍵是跨多個(gè)數(shù)據(jù)集的異常檢測和分布比較。 有趣的值（例如,，大量的缺失數(shù)據(jù),，或跨多個(gè)數(shù)據(jù)集非常不同的特征分布）以紅色突出顯示。

▌ELF with AlphaGoZero 

ELF 是 AlphaGoZero / AlphaZero 實(shí)現(xiàn)的游戲研究平臺(tái),。 ELF 為游戲研究提供端到端解決方案,。 它包括微型實(shí)時(shí)戰(zhàn)略游戲環(huán)境，并發(fā)模擬,，數(shù)千臺(tái)機(jī)器的分布式培訓(xùn),，直觀的 API ，基于 Web 的可視化以及由 PyTorch 提供支持的強(qiáng)化學(xué)習(xí)框架,。

▌Detectron

Detectron 是 Facebook AI Research 的軟件系統(tǒng),，它實(shí)現(xiàn)了最先進(jìn)的物體檢測算法，包括 Mask R-CNN ,。 它是用 Python 編寫的,，由 Caffe2 深度學(xué)習(xí)框架提供支持。

▌Fast Style Transfer 

使用 TensorFlow CNN 實(shí)現(xiàn),，這可能是圖像樣式傳輸?shù)淖罴咽纠?，顧名思義，它的完成速度非常快,。 該項(xiàng)目基于 Gatys 的藝術(shù)風(fēng)格的神經(jīng)算法,， Johnson 對實(shí)時(shí)樣式轉(zhuǎn)換和超分辨率的感知損失以及 Ulyanov 的實(shí)例規(guī)范化的組合 。

▌Face recognition 

此工具提供簡單的面部識(shí)別 API ,。 它可以找到面部特征,，并猜出照片中的人物。

使用 dlib 最先進(jìn)的面部識(shí)別功能構(gòu)建而成,，并通過深度學(xué)習(xí)構(gòu)建,。 該模型在 Wild 標(biāo)記的 Labeled Faces 中具有 99.38％ 的準(zhǔn)確度。

這還提供了一個(gè)簡單的 face_recognition 命令行工具,，可以讓您從命令行對圖像文件夾進(jìn)行人臉識(shí)別,！

▌Deep photo style transfer

另一個(gè)十分好用的圖片風(fēng)格轉(zhuǎn)換工具。 這篇文章里包含本應(yīng)用的代碼和研究論文： Deep Photo Style Transfer ,。 它提供了簡單的API來合并樣式和源圖像,。 令人印象深刻的圖像樣式轉(zhuǎn)移工具。

▌Fast Text

FastText 是一個(gè)有效學(xué)習(xí)單詞意思和句子分類的庫,。

為了更好地了解這個(gè)項(xiàng)目,，請轉(zhuǎn)到他們的文本分類教程，該教程展示了如何在監(jiān)督學(xué)習(xí)中使用該庫,。 文本分類的目標(biāo)是將文檔（例如電子郵件,，帖子，文本消息,，產(chǎn)品評(píng)論等）分配給一個(gè)或多個(gè)類別,。

▌AirSim

AirSim 是一款基于 Unreal Engine 的無人機(jī)，汽車的模擬器,。 它是開源的,，跨平臺(tái)的,，它支持硬件在環(huán),，并支持市面上流行的飛行控制器（如 PX4 ）用于物理和視覺逼真的模擬。 這是一個(gè) Unreal 插件,，可以簡單地插入到你想要的任何 Unreal 的環(huán)境中,。

▌Image restoration

機(jī)器學(xué)習(xí)可以做的比我們想象的要多。 Deep Image Prior 是基于神經(jīng)網(wǎng)絡(luò)的修復(fù)圖像工具 – 并不是機(jī)器學(xué)習(xí),。

此工具可以恢復(fù)帶有劃痕,、壞點(diǎn)和/或不需要的文本標(biāo)記的損壞圖像。

▌Open Pose

Open Pose 代表了第一個(gè)在單個(gè)圖像上聯(lián)合檢測人體,、手,、面部和足部關(guān)鍵點(diǎn)（總共 135 個(gè)關(guān)鍵點(diǎn)）的實(shí)時(shí)多人系統(tǒng)。

▌PirateAT 

PirateAI 在模擬環(huán)境（島嶼）中訓(xùn)練自主代理（海盜）。 這個(gè)倉庫運(yùn)行一個(gè)訓(xùn)練管道,，在游戲（尋找寶藏）和模型訓(xùn)練課程（ Keras + hyperopt ）之間交替,。

▌EmojiIntelligence 

與此列表中的許多項(xiàng)目相比，這個(gè)項(xiàng)目相當(dāng)簡單,，但它是學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)如何工作的良好起點(diǎn),。 項(xiàng)目實(shí)現(xiàn)是在沒有任何庫的純 Swift 中，并且很容易模仿,。

▌Deep Exemplar-Based Colorization

它是第一個(gè)使用深度學(xué)習(xí)的基于樣本的局部著色工具,。 給定參考的彩色圖像后，我們的卷積神經(jīng)網(wǎng)絡(luò)直接將灰度圖像映射到輸出彩色圖像,。 這是基于 Deep Exemplar-based Colorization 論文的實(shí)現(xiàn),。