作者 | Rishi Sidhu
来源 | Medium
编辑 | 代码医生团队
机器学习作为一个领域,正在以极快的速度发展。Github是全世界都在关注的白板。高质量的代码定期发布在无限的智慧板上。
显然不可能跟踪机器学习领域中发生的所有事情,但Github对每个项目都有一个星级。基本上,如果您为存储库加注星标,则表示对该项目的欣赏以及跟踪感兴趣的存储库。
Github博客
然后,这个星级评定可以成为了解最多关注项目的好指标之一。来看看5个评价很高的评分。
1)面部识别 - 25,858★
https://github.com/ageitgey/face_recognition?source=post_page---------------------------
世界上最简单的面部识别工具。它为Python和命令行提供了一个应用程序编程接口(API)。它对于识别和操纵图像中的面很有用。它使用dlib最先进的人脸识别算法构建。深度学习模型在Wild数据集中的Labeled Faces上具有99.38%的准确度。
它还提供了一个简单的face_recognition命令行工具,允许从命令行本身对图像文件夹进行面部识别!
该库还可以处理实时人脸识别
Github - 面部识别
2)facebookResearch的fastText - 18,819?★
https://github.com/facebookresearch/fastText?source=post_page---------------------------
fastText是Facebook团队的一个开源和免费库,用于有效学习单词表示。它是轻量级的,允许用户学习文本表示和句子分类器。它适用于标准的通用硬件。模型可以减小尺寸,甚至适合移动设备。
文本分类是许多应用程序的核心问题,如垃圾邮件检测,情绪分析或智能回复。文本分类的目标是将文档(例如电子邮件,帖子,文本消息,产品评论等)分配给多个类别。
单词类的例子
对于NLP爱好者来说,这是一个非常有用的资源。
fastText
3)awesome-tensorflow - 14,424★
https://github.com/jtoy/awesome-tensorflow
这是一组资源,可帮助了解和利用TensorFlow。github repo包含精彩的TensorFlow实验,库和项目的精选列表。
TensorFlow是由Google设计的端到端机器学习开源平台。它拥有全面的工具,库和社区资源生态系统,可让研究人员在ML中创造最先进的技术。使用它开发人员可以轻松构建和部署ML驱动的应用程序
Tensorflow
4)Apache的预测 - 11852★
https://github.com/apache/predictionio
Apache PredictionIO是面向开发人员,数据科学家和最终用户的开源机器学习框架。用户可以使用此框架构建真实的ML应用程序,部署和测试它们。
它甚至支持事件收集,评估和查询预测结果。它基于可扩展的开源服务,如Hadoop,HBase等。
就机器学习而言,它基本上消除了开发人员的注意力。
PredictionIO
5)Style2Paints - 9184★
https://github.com/lllyasviel/style2paints
该存储库与上述所有存储库略有不同,因为它由于缺乏资金而被关闭!这是一个非常有趣的概念,其中AI用于彩色图像。
声称Style2paints V4是当前最好的AI驱动的Line-Art着色工具。
声称它与以前的端到端图像到图像转换方法不同,因为它是第一个在现实生活中的人类工作流程中对线条艺术进行着色的系统。大多数人类艺术家都熟悉这个工作流程
草绘 - > 颜色填充/展平 - > 渐变/细节添加 - > 阴影
Style2Paints是根据此流程设计的。这样的流程仅通过2次点击就可以从最左边的图像生成中间图像。
Style2Paints
只需再点击4次,这就是得到的
Style2Paints
互联网是一个海洋,机器学习是流入它的河流。Github上的星星是筛选这条珍宝河的好方法。