2018年又是人工智能和機(jī)器學(xué)習(xí)快速發(fā)展的一年。許多新的機(jī)器學(xué)習(xí)的項(xiàng)目正在以非常高的影響力影響著諸多領(lǐng)域，特別是醫(yī)療保健、金融、語音識(shí)別、增強(qiáng)現(xiàn)實(shí)和更復(fù)雜3D視頻渲染。

這一年，我們看到了更多的應(yīng)用驅(qū)動(dòng)研究，而不是理論研究。雖然這可能有其缺點(diǎn)，但它在短時(shí)間內(nèi)產(chǎn)生了一些巨大的積極影響，產(chǎn)生了可以迅速轉(zhuǎn)化為業(yè)務(wù)和客戶創(chuàng)造價(jià)值的新研發(fā)，這一趨勢在ML開源項(xiàng)目中得到了強(qiáng)烈反映。

讓我們來看看過去一年中最實(shí)用的6個(gè)ML項(xiàng)目。這些項(xiàng)目都公開發(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，但它們很實(shí)用！

Fast.ai

Fast.ai庫的編寫是為了使用現(xiàn)代最佳實(shí)踐方法以簡化且快速準(zhǔn)確進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，它抽象了在實(shí)踐中實(shí)施深度神經(jīng)網(wǎng)絡(luò)可能帶來的所有細(xì)節(jié)工作。而且它非常易于使用，并且設(shè)計(jì)它的人有應(yīng)用程序構(gòu)建思維。它最初是為Fast.ai課程的學(xué)生創(chuàng)建的，該庫以簡潔易懂的方式編寫在易于使用的Pytorch庫之上。

Detectron

Detectron是Facebook AI用于物體檢測和實(shí)例分割研究的研究平臺(tái)，系統(tǒng)是用Caffe2編寫。它包含各種對(duì)象檢測算法的實(shí)現(xiàn)，包括：

·Mask?R-CNN：使用更快的R-CNN結(jié)構(gòu)的對(duì)象檢測和實(shí)例分割；

·RetinaNet：一個(gè)基于(Feature?Pyramid?Network)算法的網(wǎng)絡(luò)，具有獨(dú)特的Focal Loss來處理難題；

·Faster?R-CNN：對(duì)象檢測網(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}；

·RESNET {50101152}；

·Feature?Pyramid?Network（使用ResNet/ResNeXt）；

·VGG16；

更重要的是，所有上述這些模型都是帶有COCO數(shù)據(jù)集上的預(yù)訓(xùn)練模型，因此你可以立即使用它們！他們已經(jīng)在Detectron模型動(dòng)物園中使用標(biāo)準(zhǔn)評(píng)估指標(biāo)進(jìn)行了測試。

FastText

這是另一個(gè)來自Facebook的研究，fastText庫專為文本表示和分類而設(shè)計(jì)。它配備了預(yù)先訓(xùn)練的150多種語言的詞向量模型，這些單詞向量可用于許多任務(wù)，包括文本分類，摘要和翻譯等。

Auto-Keras

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。它由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)是為具有有限數(shù)據(jù)科學(xué)或機(jī)器學(xué)習(xí)背景的開發(fā)工程師提供易于訪問的深度學(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

Dopamine是由Google基于強(qiáng)化學(xué)習(xí)創(chuàng)建的快速原型設(shè)計(jì)的研究框架，它旨在靈活且易于使用，實(shí)現(xiàn)標(biāo)準(zhǔn)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：

·簡單的測試：幫助新用戶運(yùn)行基準(zhǔn)測試；

·靈活的開發(fā)：為新用戶提供新的創(chuàng)新想法；

·可靠：為一些較舊和更流行的算法提供實(shí)現(xiàn)；

·可重復(fù)性：確保結(jié)果是可重復(fù)；

vid2vid

vid2vid項(xiàng)目是在Pytorch上實(shí)現(xiàn)的Nvidia最先進(jìn)的視頻到視頻合成的模型。視頻到視頻合成的目標(biāo)是學(xué)習(xí)從輸入源視頻（例如，一系列語義分割掩模）到精確描繪源視頻內(nèi)容的輸出照片擬真視頻的映射函數(shù)。

這個(gè)庫的好處在于它的選擇：它提供了幾種不同的vid2vid應(yīng)用程序，包括自動(dòng)駕駛/城市場景，人臉和人體姿勢。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GPU！

?

原文鏈接
本文為云棲社區(qū)原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的2018最有用的六个机器学习项目的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。