【资源】推荐 10 个饱受好评且功能独特的开源人工智能项目

【导读】关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工智能的项目还是十分实用的,而且用途还十分有趣,下面就简单为大家盘点 10 个功能独特的开源人工智能项目。

1. STYLE2PAINTS:强大的为线稿上色的 AI

https://www.oschina.net/p/style2paints

推荐理由:新一代的强大线稿上色 AI,可根据用户上传的自定义色彩给线稿进行上色。项目提供了在线使用网站,十分方便使用。

2. SerpentAI:基于 Python 的教 AI 打游戏的学习框架

https://www.oschina.net/p/serpentai

推荐理由:SerpentAI 旨在为机器学习和 AI 研究提供一个有价值的工具。但同时,对于爱好者来说,它也是非常有趣的。

Serpent.AI 中包含大量支持模块,在以游戏为开发环境时经常遇到的场景提供解决方案,同时也提供加速开发的 CLI 工具。支持 Linux、Windows 和 MacOS 。

SerpentAI 是一个 Game Agent 框架(ps:在人机对战中,为了区分玩家,通常称机器玩家为 agent ),简单而又强大。它能把任何一个游戏变成用 Python 编写的沙盒环境,供开发者在其中创造游戏 Game Agent 做实验,使用的都是开发者非常熟悉的 Python 代码。

3. Synaptic.js:用于浏览器的神经网络库

https://www.oschina.net/p/synapticjs

推荐理由:Synaptic.js 是一个用于 node.js 和浏览器的 JavaScript 神经网络库,可以构建和训练基本上任何类型的一阶甚至二阶神经网络。

该项目内置了 4 种经典的神经网络算法:多层感知器(multilayer perceptrons)、长短期记忆网络(multilayer long-short term memory networks)、液体状态机(Liquid State Machine)、Hopfield神经网络。使用 Synaptic.js ,你可以轻松测试和比较不同体系结构的性能。

4. Snake-AI:贪吃蛇游戏的人工智能

https://www.oschina.net/p/snake-ai

推荐理由:一个用 C/C++ 语言编写的贪吃蛇游戏的人工智能。使用了最短路径、最长路径、人工智能算法。

AI 的目的是让蛇尽可能的吃更多的食物,直到吃满整个地图。

Demo

5. Uncaptcha:破解 reCAPTCHA 系统的 AI 算法

https://www.oschina.net/p/uncaptcha

推荐理由:unCAPTCHA 算法以 85% 的成功率击败了 Google reCAPTCHA 系统。它依靠音频验证码攻击 - 使用浏览器自动化软件来解析必要的元素并识别语音号码,并以编程方式传递这些数字,最终成功欺骗目标网站。

6. Sockeye:基于 Apache MXNet 的神经机器翻译框架

https://www.oschina.net/p/sockeye

推荐理由:Sockeye 是一个基于 Apache MXNet 的快速而可扩展的深度学习库。

Sockeye 代码库具有来自 MXNet 的独特优势。例如,通过符号式和命令式 MXNet API,Sockeye 结合了陈述式和命令式编程风格;它同样可以在多块 GPU 上并行训练模型。

Sockeye 实现了 MXNet 上当前最佳的序列到序列模型。它同样为所有序列到序列模型的超参数提供恰当的默认值。对于优化,无需担心停止标准、指标跟踪或者权重初始化。可以简单地运行已提供的训练命令行界面(CLI),也可以轻易改变基础模型架构。

7. PHP-ML:PHP 机器学习库

https://www.oschina.net/p/php-ml

推荐理由:我们都知道 Python 或者是 C++ 提供了更多机器学习的库,但他们大多都比较复杂,配置起来让很多新手感到头疼。PHP-ML 这个机器学习库虽然没有特别高大上的算法,但其具有最基本的机器学习、分类等算法,小项目或者小公司做一些简单的数据分析、预测等等足以够用。

PHP-ML 是使用 PHP 编写的机器学习库。同时包含算法,交叉验证,神经网络,预处理,特征提取等。

8. CycleGAN:生成对抗网络图像处理工具

https://www.oschina.net/p/cyclegan

推荐理由:这个工具功能十分强大,不仅可将绘画作品“还原”成照片(可理解为是一个 “反滤镜”),还能将夏天转换成冬天,或将普通的马转化成斑马。

与其它人工智能绘画不同,CycleGAN 的研究团队试图建立一个可双向转化不丢失信息的双向算法。在 CycleGAN 里照片的细节被要求完全保留,研究人员希望能够将一张图片输入 CycleGAN 后进行多次反复转化(照片→绘画→照片→绘画→照片),最终可以获得与原始照片相同或相近的图片。

9. DeepLearn.js:可实现硬件加速的机器学习 JavaScript 库

https://www.oschina.net/p/deeplearn-js

DeepLearn.js 是谷歌推出的一个可用于机器智能并加速 WebGL 的开源 JavaScript 库,完全在浏览器中运行,不需要安装,不需要后端处理。。

DeepLearn.js 提供高效的机器学习构建模块,使我们能够在浏览器中训练神经网络或在推断模式中运行预训练模型。它提供构建可微数据流图的 API,以及一系列可直接使用的数学函数。

虽然浏览器上的机器学习库已经存在多年(例如 Andrej Karpathy 的 convnetjs),但是它们受到 JavaScript 速度的限制,或者局限于推理而不能用于训练(例如 TensorFire)。相比之下,deeplearn.js 通过利用 WebGL 在GPU上执行计算,以及进行完全反向传播(full backpropagation)的能力,实现了显着的加速。

10. TensorFire:基于 WebGL 的浏览器端神经网络框架

https://www.oschina.net/p/tensorfire

推荐理由:TensorFire 是基于 WebGL 的,运行在浏览器中的神经网络框架。使用 TensorFire 编写的应用能够在实现前沿深度学习算法的同时,不需要任何的安装或者配置就直接运行在现代浏览器中。

与之前某些浏览器内的神经网络框架相比,TensorFire 有着近百倍的速度提升,甚至于能够与那些运行在本地 CPU 上的代码性能相媲美。

开发者也可以使用 TensorFire 提供的底层接口来进行其他的高性能计算,譬如 PageRank、元胞自动机仿真、图片转化与过滤等等。

相信还有其他优秀的开源人工智能项目尚未在本文出现,欢迎各位在评论中留下你们的推荐~

参考链接:

http://bigdata.evget.com/post/2217.html

原文发布于微信公众号 - 专知(Quan_Zhuanzhi)

原文发表时间:2017-12-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ATYUN订阅号

每个数据科学家都应该知道的顶级GitHub库和Reddit线程(2018年6月版)

半年过去了,这带来了我们流行系列的六月版的顶级GitHub存储库和Reddit线程。在撰写这些文章的过程中,我从开源代码或世界顶级数据科学大脑之间的宝贵讨论中学...

1376
来自专栏人工智能头条

深度解析京东个性化推荐系统演进史

2053
来自专栏Spark学习技巧

深度解析京东个性化推荐系统演进史

作者 | fisherman、Davidxiaozhi ? 本文摘自《决战618:探秘京东技术取胜之道》,两位作者时任京东推荐系统负责人和系统架构师。 在电商领...

32510
来自专栏大数据挖掘DT机器学习

微博中的用户画像:微博中的用户模型

作者:@fengyoung 于2015小光棍节 原文:http://www.wbrecom.com/?p=588 社交媒体(Social Media)相对于传统...

5989
来自专栏人工智能头条

开发者不可错过的 10 个人工智能开源项目

2054
来自专栏AI研习社

融合 Caffe2、ONNX 的新版 PyTorch 发布在即,能否赶超 TensorFlow?

AI 研习社按:上个月,Caffe2 代码正式并入 PyTorch,就在今天,Facebook AI 系统与平台部(AI Infra and Platform)...

1493
来自专栏开源优测

大数据测试学习笔记之数据质量

大数据测试学习笔记之数据质量 数据质量定义 先搜索了一把,发现当前对于数据质量的定义没有一个共识的定义,通过阅读一些资料,做了些总结,可以从以下几个方面来定义数...

4818
来自专栏人工智能

开发者不可错过,10个简单的开源项目——人工智能篇

AI UNION 人工智能产业技术创新战略联盟 这里是人工智能联盟,汇聚了最新的AI新闻资讯,还有最前沿的国内外AI开源技术,最具价值的AI创新企业,最具权威的...

3899
来自专栏IT技术精选文摘

深度解析京东个性化推荐系统演进史

在电商领域,推荐的价值在于挖掘用户潜在购买需求,缩短用户到商品的距离,提升用户的购物体验。 京东推荐的演进史是绚丽多彩的。京东的推荐起步于2012年,当时的推荐...

5546
来自专栏Java后端技术栈

深度解析京东个性化推荐系统演进史!

在电商领域,推荐的价值在于挖掘用户潜在购买需求,缩短用户到商品的距离,提升用户的购物体验。

1721

扫码关注云+社区

领取腾讯云代金券