2017 年 GitHub 中最為流行的 30 個開源機器學習項目

2017 年裡哪些機器學習項目最受人關注。Mybridge 為我們整理了一份 Top 30 列表，以下所有項目均附有 GitHub 連結。

我們對比了近 8800 個開原機器學習項目，並挑選了其中最好的 30 個列舉於此。這是一個非常具有競爭力的列表，其中包含 2017 年 1 月-12 月份開源的各類優秀機器學習庫、資料集和應用。Mybridge AI 通過流行度、參與度和新鮮程度來對它們進行評級。先給你一個直觀印象：它們的 GitHub 平均 stars 是 3558 個。

開源項目對於資料科學家而言非常有意義，我們可以通過閱讀原始碼，在前人的基礎上構建更加強大的項目。現在，你可以盡情嘗試一下這些去年最佳項目了。

No.1

FastText：快速文字表示/分類庫，來自 Facebook（GitHub 11,786 stars）

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

參考內容：Facebook發布新版fastText：拓展至移動端，加入教程

又及 Muse：多語言無監督/監督詞嵌入，基於 FastText（GitHub 695 stars）

連結：https://github.com/facebookresearch/MUSE

No.2

Deep-photo-styletransfer：康奈爾大學 Fujun Luan 論文《Deep Photo Style Transfer》的代碼與資料（GitHub 9747 stars）

連結：https://github.com/luanfujun/deep-photo-styletransfer

No.3

face recognition：最簡單的 Python 命令列臉部辨識 API，來自 Adam Geitgey（GitHub 8672 stars）

連結：https://github.com/ageitgey/face_recognition

參考內容：基於Python的開源Face Service庫：離線識別率高達99.38%

No.4

Magenta：機器智能音樂與藝術產生器（GitHub 8113 stars）

連結：https://github.com/tensorflow/magenta

參考內容：GoogleMagenta項目是如何教神經網路編寫音樂的。

No.5

Sonnet：基於 TensorFlow 的神經網路程式庫（GitHub 5731 stars），來自 DeepMind 成員 Malcolm Reynolds

連結：https://github.com/deepmind/sonnet

參考內容：DeepMind開源Sonnet：可在TensorFlow中快速構建神經網路

No.6

deeplearn.js：來自 Google Brain 團隊 Nikhil Thorat 的網頁端硬體加速機器學習庫（GitHub 5462 stars）

連結：https://github.com/PAIR-code/deeplearnjs

參考內容：Google開源DeepLearn.js：可在網頁上實現硬體加速的機器學習

No.7

Fast Style Transfer：TensorFlow 快速風格轉換，來自 MIT 的 Logan Engstrom（GitHub 4843 stars）

連結：https://github.com/lengstrom/fast-style-transfer

No.8

Pysc2：星際爭霸 2 學習環境，來自 DeepMind Timo Ewalds 等人（GitHub 3683 stars）

連結：https://github.com/deepmind/pysc2

No.9

AirSim：基於虛幻引擎的開源自動駕駛模擬器，由微軟研究院 Shital Shah 等人提出（GitHub 3861 stars）

連結：https://github.com/Microsoft/AirSim

No.10

Facets：機器學習資料集視覺化檢視，來自 Google Brain（GitHub 3371 stars）

連結：https://github.com/PAIR-code/facets

參考內容：Google開源機器學習視覺化檢視 Facets：從全新角度觀察資料

No.11

Style2Paints：AI 漫畫線稿上色工具，來自蘇州大學（GitHub 3310 stars）

連結：https://github.com/lllyasviel/style2paints

參考內容：Style2paints：專業的AI漫畫線稿自動上色工具

No.12

Tensor2Tensor：用於廣義序列-序列模型的工具庫，來自 Google Brain 的 Ryan Sepassi（GitHub 3087 stars）

連結：https://github.com/tensorflow/tensor2tensor

參考內容：一個模型庫學習所有：Google開源模組化深度學習系統Tensor2Tensor

No.13

CycleGAN and pix2pix in PyTorch：基於 PyTorch 的映像-映像轉換工具，來自 UC Berkeley 在讀博士朱俊彥（GitHub 2847 stars）

連結：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

參考內容：你來手繪塗鴉，人工智慧產生「貓片」：edges2cats映像轉換詳解

No.14

Faiss：用密集向量高效相似性搜尋與聚類的工具庫，來自 Facebook（GitHub 2629 stars）

連結：https://github.com/facebookresearch/faiss

No.15

Fashion-mnist：一個類似於 MNIST 的時尚產品資料集，來自 Zalando Tech 的 Han Xiao（GitHub 2780 stars）

連結：https://github.com/zalandoresearch/fashion-mnist

No.16

ParlAI：用於在各種公開可用的對話資料集上訓練與評估 AI 模型的架構，來自 Facebook 的 Alexander Miller（GitHub 2578 stars）

連結：https://github.com/facebookresearch/ParlAI

參考內容：Facebook開源人工智慧架構ParlAI：可輕鬆訓練評估對話模型

No.17

Fairseq：來自 FAIR 的序列到序列工具包（GitHub 2571 stars）

連結：https://github.com/facebookresearch/fairseq

參考內容：Facebook提出全新CNN機器翻譯：準確度超越Google而且還快九倍（已開源）

No.18

Pyro：使用 Python 和 PyTorch 進行深度通用機率編程，來自 Uber AI Labs（GitHub 2387 stars）

連結：https://github.com/uber/pyro

參考內容：Uber與斯坦福大學開源深度機率程式設計語言Pyro：基於PyTorch

No.19

iGAN：基於 GAN 的互動映像產生器（GitHub 2369 stars）

連結：https://github.com/junyanz/iGAN

參考內容：伯克利大學和Adobe開源深度學習影像編輯工具 iGAN

No.20

Deep-image-prior：使用神經網路進行映像恢複，同時無需學習過程，來自 Skoltech 的 Dmitry Ulyanov（GitHub 2188 stars）

連結：https://github.com/DmitryUlyanov/deep-image-prior

No.21

Face classification：基於 Keras CNN 模型與 OpenCV 的即時面部檢測和表情/性別分類，訓練與 fer2013/imdb 資料集（GitHub 1967 stars）

連結：https://github.com/oarriaga/face_classification

No.22

Speech to Text WaveNet：使用 DeepMind 的 WaveNet 和 TensorFlow 構成的端到端句級英語語音辨識，來自 Kakao Brain 的 Namju Kim（GitHub 1961 stars）

連結：https://github.com/buriburisuri/speech-to-text-wavenet

參考內容：DeepMind WaveNet，將機器合成語音水平與人類差距縮小50%

No.23

StarGAN：用於多領域映像-映像轉換的統一產生對抗網路（GitHub 1954 stars）

連結：https://github.com/yunjey/StarGAN

No.24

MI-agents：Unity 機器學習智能體，來自 Unity3D 的 Arthur Juliani（GitHub 1658 stars）

連結：https://github.com/Unity-Technologies/ml-agents

No.25

Deep Video Analytics：分布式可視化搜尋和可視化資料分析平台，來自康奈爾大學的 Akshay Bhat（GitHub 1494 stars）

連結：https://github.com/AKSHAYUBHAT/DeepVideoAnalytics

No.26

OpenNMT：Torch 上的開源神經機器翻譯（GitHub 1490 stars）

連結：https://github.com/OpenNMT/OpenNMT

參考內容：哈佛大學NLP組開源神經機器翻譯工具包OpenNMT：已達到生產可用水平

No.27

Pix2PixHD：使用條件 GAN 合成和處理 2048×1024 解析度的映像，來自英偉達 AI 科學家 Ming-Yu Liu（GitHub 1283 stars）

連結：https://github.com/NVIDIA/pix2pixHD

No.28

Horovod：分布式 TensorFlow 訓練架構，來自 Uber 工程團隊（GitHub 1188 stars）

連結：https://github.com/uber/horovod

參考內容：詳解Horovod：Uber開源的TensorFlow分布式深度學習架構

No.29

AI-Blocks：強大而直觀的 WYSIWYG 介面，可讓任何人建立機器學習模型（GitHub 899 stars）

連結：https://github.com/MrNothing/AI-Blocks

No.30

Voice Conversion with Non-Parallel Data：基於 TensorFlow 的深度神經網路語音轉換（語音風格轉換），來自 Kakao Brain 團隊的 Dabi Ahn（GitHub 845 stars）

連結：https://github.com/andabi/deep-voice-conversion 

原文連結：https://medium.mybridge.co/30-amazing-machine-learning-projects-for-the-past-year-v-2018-b853b8621ac7