15个最流行的GitHub机器学习项目( 三 )

2.5 Mobile Deep Learning
项目地址：
github.com/baidu/mobile
该 repo 将数据科学中的当前最佳技术移植到了移动平台上。该 repo 由百度研究院开发，目的是将深度学习模型以低复杂性和高速度部署到移动设备（例如 Android 和 IOS）上。
该 repo 解释了一个简单的用例，即目标检测。它可以识别目标（例如一张图像中的手机）的准确位置，很棒不是吗？

本文插图
2.6 Visdom
项目地址：
github.com/facebookrese
Visdom 支持图表、图像和文本在协作者之间进行传播。你可以用编程的方式组织可视化空间，或者通过 UI 为实时数据创建仪表盘，检查实验结果，或者调试实验代码。

本文插图
绘图函数中的输入会发生改变，尽管大部分输入是数据的张量 X（而非数据本身）和（可选）张量 Y（包含可选数据变量，如标签或时间戳）。它支持所有基本图表类型，以创建 Plotly 支持的可视化。
Visdom 支持使用 PyTorch 和 Numpy 。
2.7 Deep Photo Style Transfer
项目地址：
github.com/luanfujun/de
该 repo 基于近期论文《Deep Photo Style Transfer》，该论文介绍了一种用于摄影风格迁移的深度学习方法，可处理大量图像内容，同时有效迁移参考风格。该方法成功克服了失真，满足了大量场景中的摄影风格迁移需求，包括时间、天气、季节、艺术编辑等场景。

本文插图
2.8 CycleGAN
项目地址：
github.com/junyanz/Cycl
CycleGAN 是一个有趣且强大的库，展现了该顶尖技术的潜力。举例来说，下图大致展示了该库的能力：调整图像景深。这里有趣的点在于你事先并没有告诉算法需要注意图像的哪一部分。算法完全依靠自己做到了！

本文插图
目前该库用 Lua 编写，但是它也可以在命令行中使用。
2.9 Seq2seq
项目地址：
github.com/google/seq2s
Seq2seq 最初是为机器翻译而建立的，但已经被开发用于多种其它任务，包括摘要生成、对话建模和图像捕捉。只要一个问题的结构是将输入数据编码为一种格式，并将其解码为另一种格式，就可以使用 Seq2seq 框架。它使用了所有流行的基于 Python 的 TensorFlow 库进行编程。

本文插图
2.10 Pix2code
项目地址：
github.com/tonybeltrame
这个深度学习项目非常令人振奋，它尝试为给定的 GUI 自动生成代码。当建立网站或移动设备界面的时候，通常前端工程师必须编写大量枯燥的代码，这很费时和低效。这阻碍了开发者将主要的时间用于实现真正的功能和软件逻辑。 Pix2code 的目的是通过将过程自动化来克服这一困难。它基于一种新方法，允许以单个 GUI 截图作为输入来生成计算机 token 。
Pix2code 使用 Python 编写，可将移动设备和网站界面的捕捉图像转换成代码。
3、机器之心项目
机器之心目前在 GitHub 上也有三个项目，分别是评估人工智能各领域优秀公司的 AI00、人工智能领域中英术语集和模型试验与解释项目。