日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

年度大盘点:机器学习开源项目及框架

發布時間:2024/8/23 编程问答 29 豆豆
生活随笔 收集整理的這篇文章主要介紹了 年度大盘点:机器学习开源项目及框架 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

我們先來看看Mybridge AI?中排名靠前的頂級開源項目,再聊聊機器學習今年都有哪些發展,最后探尋下新的一年中會有哪些有值得我們期待的事情。

頂級的開源項目

BERT

BERT,全稱為Bidirectional Encoder Representations from Transformers,是一種基于TensorFlow解決自然語言處理的新方法,且性能更好。我們可以使用BERT中的?預訓練模型解決問題,該模型在性能上具有很大優勢,比如可以識別句子中的上下文。在Github中非常受歡迎,有8848個星,完整學術論文請訪問這里。

DeepCreamPy

DeepCreamPy是一個深度學習工具,可以像Photoshop一樣重建圖像中被刪除的區域。我們使用圖像編輯工具(比如PS)將刪減的區域填充為綠色,神經網絡可以對其進行復原。該項目在Github中有6365顆星。

TRFL

TRFL項目可用于編寫TensorFlow中的強化學習代理,具體的操作文檔在這里。

Horizon

Horizon是一個基于PyTorch構建的強化學習平臺,并使用Caffe2為模型提供服務。Horizon的主要優勢在于,設計者在設計這一平臺的時候,考慮了生產用例。想要了解更多詳細內容,請查看Facebook Research官方文檔。另外,如果你想使用Horizon,可查看該使用文檔。

DeOldify

DeOldify是一個用于著色和恢復舊圖像的深度學習庫。開發者結合了幾種不同的方法,來實現這一目標,其中的幾種方法包括:帶自注意力機制的生成對抗網絡(Self-Attention Generative Adversarial Networks),Progressive Growing of GANs,以及TTUR(?Two Time-Scale Update Rule)。

AdaNet

AdaNet是一個基于TensorFlow的庫,它可以自動學習模型,且不需要很多的技術人員參與,該項目基于AdaNet算法。訪問AdaNet的官方文檔,請點擊這里。

Graph Nets

Graph Nets是用于構建Sonnet和TensorFlow的DeepMind庫。Graph?網絡輸入一個圖形,輸出也是一個圖形。

Maskrcnn-benchmark

Maskrcnn-benchmark項目可以幫助我們在Pytorch中構建對象檢測和分割工具。這個庫的優勢在于速度快、內存效率高,可以進行多個GPU訓練和推斷,且為推斷提供CPU支持。

PocketFlow

PocketFlow項目是一個加速和壓縮深度學習模型的框架。它解決了大多數深度學習模型的計算費用問題。該項目最初由騰訊AI實驗室的研究人員開發,了解其實現及官方文檔請點擊這里。

MAMEToolkit

MAMEToolKit是一個訓練街機游戲強化學習算法的庫,使用該工具可以跟蹤游戲狀態,同時也可以接收游戲幀數據。

機器學習框架的主要發展

PyTorch 1.0

在今年10月份舉辦的PyTorch會議期間,Facebook發布了PyTorch 1.0預覽版。PyTorch 1.0解決了以下問題:訓練耗時長、聯網問題、緩慢的可擴展性以及Python編程語言帶來的一些不靈活性。

PyTorch 1.0引入了一組編譯工具Torch.jit,這將彌補生產和研究之間的差距。Torch.jit中包含Python中的Torch Script語言,在PyTorch 1.0中,我們可以使用圖形模式構建模型,這在開發高性能和低延遲的應用程序中非常有用。

Auto-Keras

你或許聽過自動化機器學習(automated machine learning),即自動化搜索機器學習模型的最佳參數。除Auto-Keras之外,還有其他的自動化機器學習模型,比如Google的AutoML。Auto-Keras是基于Keras和ENAS編寫的,其中,ENAS是神經網絡結構搜索的最新版本。

TensorFlow Serving

使用TensorFlow Serving系統,我們能更加輕松的將TensorFlow模型部署到生產環境中。雖然TensorFlow Serving在2017年就已經發布,但是今年更加注重將模型應用到生產環境環節。

Machine Learning Javascript

現在已經有一些可以允許開發人員在瀏覽器上運行模型的Javascript框架,比如TensorFlow.js和Keras.js。其模型實現與使用的方法,與Keras或TensorFlow等常規框架非常相似。

展望未來

2019年馬上就要到了,隨著Auto-Keras等自動化工具的發展,開發人員的工作有望變得更加輕松。除此以外,我們還擁有先進的研究以及優秀的社區,各類機器學習框架的性能還會更上一層樓。

?

原文鏈接
本文為云棲社區原創內容,未經允許不得轉載。

總結

以上是生活随笔為你收集整理的年度大盘点:机器学习开源项目及框架的全部內容,希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯,歡迎將生活随笔推薦給好友。