对于程序员来说,开源项目是十分有帮助的。希望你能从这篇文章中找到可以激发你灵感的有趣项目。最近磐创AI寻找“深大锦鲤”活动是2018年10月15日准时开奖哦~听说除了送520现金之外,在文末留言点赞第一名还可以获得200元当当购书券欸,快去留言叫小伙伴帮你点赞吧~
TransmogrifAI 是用 Scala 编写的 AutoML 库,运行在 Spark 上。该框架的开发初衷在于通过机器学习自动化技术,以及提升编译速度与可重复利用性的 API,来提高机器学习开发者的开发效率。你可以在以下几种场景使用该框架:
项目链接: https://github.com/salesforce/TransmogrifAI?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
YOLOv3 是当前最先进的实时检测目标的系统,相比于前两个版本,第三版针对小目标的精度有显著提升。YOLOv3 的 Github 目录包含了全部基于 PyTorch 的训练和预测代码。要求 Python 3.6 或以上的版本,以及三个工具包:numpy、torch、opencv-python。
项目链接: https://github.com/ultralytics/yolov3?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
该项目将 160,796 个来自老鼠的神经系统的细胞转录过程进行了可视化,项目的初衷是在没有外部 C 或 C++ 依赖的情况下,在本地快速实现 tSNE 算法。该工具包提供了两种快速实现 tSNE 的方法:
项目链接: https://github.com/pavlin-policar/fastTSNE?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
这个 AI Fairness 360 Python 库包含一整套用于测量偏差的数据集和模型的指标,全部指标的解释,以及减小偏差的算法。由于 AIF360 具备一整套功能,所以在面对一个用例时,很可能难以抉择该使用什么指标或算法,为了解决这个问题,开发者为我们提供了可用于参考的使用指南。
项目链接: https://github.com/IBM/AIF360?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more 使用指南: http://aif360.mybluemix.net/resources#guidance
开发者利用神经网络和强化学习来对 AI 进行训练,使其学习如何射击僵尸,从而存活下来。开发者还制作了一段小视频,来展示其训练过程。
项目链接: https://github.com/Daporan/Zombie-Shooter-Neural-Network?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more