查看原文
其他

GitHub上Star 量最高的 5 个机器学习项目

Linux爱好者 2021-01-30

(给Linux爱好者加星标,提升Linux技能

编译:机器之心,作者:Rishi Sidhu

本文介绍了 GitHub 上 star 量最高的 5 个机器学习项目,涉及人脸识别、文本处理、机器学习框架等。

机器学习领域正在飞速发展。GitHub 是一张举世瞩目的白板,高质量的代码通常被发布在这张充满智慧的无限大白板上。


显然,我们不可能追踪机器学习世界中的所有东西,但是 GitHub 上每个项目都具备自己的 star 量。即,如果你标星了一个仓库,这意味着你对这个项目表达了赞赏,同时也跟踪了你觉得有意思的仓库。


星数排名可作为了解最受关注项目的重要指标。本文就介绍了机器学习领域星数排名最高的 5 个项目。


Face Recognition:26073★


GitHub 地址:https://github.com/ageitgey/face_recognition?source=post_page---------------------------
这是世界上最简洁的人脸识别工具。它提供对 Python 和命令行的应用程序接口(API),其用途是识别以及操作图像中的人脸。它使用 Dlib 最先进的人脸识别算法构建,该深度学习模型在 LFW(Labeled Faces in the Wild)数据集上达到了 99.38% 的准确率。


它还提供了 face_recognition 命令行工具,它可以让你在包含图像的文件夹中使用命令行来进行人脸识别!


这个库还可以处理实时人脸识别。


fastText:18931 ★


GitHub 地址:https://github.com/facebookresearch/fastText?source=post_page---------------------------


fastText 是由 Facebook 团队开发的免费开源库,用于高效词表征学习。它是轻量级的,允许用户学习文本表征和句子分类器。它可以在标准通用硬件上运行,模型甚至可以被压缩到适应移动设备的大小。


文本分类是很多应用的核心问题,例如垃圾邮件检测、情感分析或智能回复。文本分类的目标是给文档(例如电子邮件、博客、短信、产品评论等)分配多个类别。

词类示例(图源:Alterra.ai)


对自然语言处理(NLP)爱好者而言,这是一款非常有用的工具。

图源:https://fasttext.cc/?source=post_pag (https://fasttext.cc/?source=post_pag%EF%BC%89)

Awesome TensorFlow:14501★


GitHub 地址:https://github.com/jtoy/awesome-tensorflow


这是一个帮你理解和使用 TensorFlow 的资源集合。该 repo 涵盖一系列资源列表,如很棒的 TensorFlow 实验、库和项目。


TensorFlow 是 Google 开发的端到端开源机器学习平台。它有全面的生态系统,包括工具、库和社区资源,允许研究者创建最先进的机器学习算法。使用 TensorFlow,开发者可以很容易地构建并部署由机器学习驱动的应用。


图源:https://www.tensorflow.org/tutorials/keras/basic_classification?source=post_page 


Apache predictionio 11866 ★


GitHub 地址:https://github.com/apache/predictionio


Apache PredictionIO 是供开发者、数据科学家和终端用户使用的开源机器学习框架。用户可使用该框架构建真实的机器学习应用,并进行部署和测试。


它甚至支持事件收集、评估,以及查询预测结果。它基于可扩展的开源服务,如 Hadoop、HBase 等。


就机器学习而言,该工具减轻了开发人员的思维负担。

图源:http://predictionio.apache.org/appintegration/?source=post_page 


Style2Paints:9860 ★


GitHub 地址:https://github.com/lllyasviel/style2paints


该 repo 与前面 4 个有点不一样,因为缺乏资金,它已经被关闭了!它确实是一个有趣的设想,使用 AI 给图像上色。


创建者称 Style2paints V4 是当前最好的 AI 线稿上色工具。


他们称这个项目与之前的端到端图像转换方法不同,因为它是第一个用真实的人类作业流程为线稿上色的系统。很多艺术家熟悉这个流程。


素描-->彩色填充/扁平化-->渐变/细节添加-->阴影处理


Style2Paints 就是根据这个流程设计的。只用两次点击,该流程就可以使下图中最左的图变成中间的图。

图源:https://style2paints.github.io/?source=post_page

仅仅点击 4 次,你就能够得到下面这张图:

图源:https://github.com/lllyasviel/style2paints?source=post_page


原文链接:https://towardsdatascience.com/highest-rated-ml-projects-on-github-694486293512


推荐阅读

(点击标题可跳转阅读)

大白话解释 Git 和 GitHub

拥抱开源,这个城市的法典都通过 GitHub 发布


看完本文有收获?请分享给更多人

关注「Linux 爱好者」加星标,提升Linux技能

好文章,我在看❤️

    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存