这12个最新AI开源项目，你一定要收下
- 2018-09-07 09:05:00
- 刘大牛 转自文章
- 230
#基于 Tensor Flow的 强化学习 框架
Dopamine 是一款快速实现强化学习 算法原型的研究框架，基于 Tensor Flow 实现，旨在为研究人员提供一种简单易用的实验环境，能够满足用户对小型、便于访问的代码库的需求，用户可以很方便地构建实验去验证自身在研究过程中的想法。
项目链接
https://github.com/google/dopamine
TransmogrifAI
#用于结构化数据的端到端AutoML库
TransmogrifAI 是一个基于 Scala 编写、运行在 Spark 上的 AutoML 库，由 Salesforce 开源。本项目旨在通过自动 机器学习 技术帮助开发者加速产品化进程，只需几行代码，便能自动完成数据清理、 特征工程 和模型选择，然后训练出一个高性能模型，进行进一步探索和迭代。
关于 AutoML： 神经网络 架构搜索（NAS）综述 | 附AutoML资料推荐
项目链接
https://github.com/salesforce/TransmogrifAI
OpenNRE
# 神经网络 关系抽取工具包
OpenNRE 是一个基于 Tensor Flow 的神经网络 关系抽取工具包，由清华大学计算机系刘知远老师组开源。本项目将关系抽取分为四个步骤：Embedding、Encoder、Selector 和 Classifier。
项目链接
https://github.com/thunlp/OpenNRE
# Tensor Flow模型分析开源库
TFMA 是一个来自 Google 的开源库，用于帮助 Tensor Flow 用户对所训练模型进行分析。用户可以使用 Trainer 里定义的指标，以分布式方式评估大量数据的模型。这些指标可在不同的数据片段上进行计算，并在 Jupyter Notebooks 里实现结果可视化。
项目链接
https://github.com/tensorflow/model-analysis
#通用 深度学习 模型部署框架
GraphPipe 是由甲骨文公司开源的通用深度学习 模型部署框架 ，旨在帮助用户简化机器学习 模型部署，并将其从特定框架的模型实现中解放出来的协议和软件集合。GraphPine 可提供跨 深度学习 框架的模型通用 API、开箱即用的部署方案以及强大的性能，目前已支持 Tensor Flow、PyTorch、 MXNet 、CNTK 和 Caffe2 等框架。
项目链接
https://github.com/oracle/graphpipe
#通用 深度学习 预训练模型集合
本项目汇集了当前最优的各类深度学习 预训练模型，模型均为由 Facebook 和微软推出的 ONNX (Open Neural Network Exchange) 格式，该格式可使模型在不同框架之间进行迁移。每个模型均有对应的 Jupyter Notebook，包含模型训练、运行推理、数据集和参考文献等信息。
项目链接
https://github.com/onnx/models
基于深度学习 106点人脸标定算法
#良心级开源人脸标定算法
良心级开源人脸标定算法，包含人脸美颜、美妆、配合式活体检测和人脸校准的预处理步骤。该项目 Windows 工程基于传统的 SDM 算法，通过修改开源代码，精简保留测试部分代码，优化代码结构。Android 代码基于 深度学习 ，我们设计了高效的网络模型，该模型鲁棒性较好，支持多人脸跟踪。 目前深度学习 算法在人脸标定方向取得了良好的效果，该项目旨在提供一种较为简单易用的实现方式。
▲ 演示GIF
项目特点：
106 点，人脸轮廓描述更加细腻
准确度高，逆光、暗光情况下依然可以取得良好的标定效果
模型小，跟踪模型 2 MB 左右，非常适合移动端集成
速度快，Android 平台代码在 Qualcomm 820 (st)，单张人脸 7ms
增加多人脸跟踪
项目链接
https://github.com/zeusees/HyperLandmark
#基于PyTorch的 深度学习 API
MagNet 是一个基于 PyTorch 封装的高级深度学习 API，旨在减少开发者的模板代码、提高 深度学习 项目开发效率。
项目链接
https://github.com/MagNet-DL/magnet