2017 年 GitHub 中最为流行的 30 个开源机器学习项目 2017 年里哪些机器学习项目最受人关注?

2017 年里哪些机器学习项目最受人关注?Mybridge 为我们整理了一份 Top 30 列表，以下所有项目均附有 GitHub 链接。

我们对比了近 8800 个开原机器学习项目，并挑选了其中最好的 30 个列举于此。这是一个非常具有竞争力的列表，其中包含 2017 年 1 月-12 月份开源的各类优秀机器学习库、数据集和应用。Mybridge AI 通过流行度、参与度和新鲜程度来对它们进行评级。先给你一个直观印象：它们的 GitHub 平均 stars 是 3558 个。

开源项目对于数据科学家而言非常有意义，我们可以通过阅读源代码，在前人的基础上构建更加强大的项目。现在，你可以尽情尝试一下这些去年最佳项目了。

FastText：快速文本表示/分类库，来自 Facebook(GitHub 11,786 stars)

链接：http://github.com/facebookresearch/fastText

又及 Muse：多语言无监督/监督词嵌入，基于 FastText(GitHub 695 stars)

链接：http://github.com/facebookresearch/MUSE

Deep-photo-styletransfer：康奈尔大学 Fujun Luan 论文《Deep Photo Style Transfer》的代码与数据(GitHub 9747 stars)

链接：http://github.com/luanfujun/deep-photo-styletransfer

face recognition：最简单的 Python 命令行面部识别 API，来自 Adam Geitgey(GitHub 8672 stars)

链接：http://github.com/ageitgey/face_recognition

Magenta：机器智能音乐与艺术生成器(GitHub 8113 stars)

链接：http://github.com/tensorflow/magenta

Sonnet：基于 TensorFlow 的神经网络库(GitHub 5731 stars)，来自 DeepMind 成员 Malcolm Reynolds

链接：http://github.com/deepmind/sonnet

deeplearn.js：来自 Google Brain 团队 Nikhil Thorat 的网页端硬件加速机器学习库(GitHub 5462 stars)

链接：http://github.com/PAIR-code/deeplearnjs

Fast Style Transfer：TensorFlow 快速风格转换，来自 MIT 的 Logan Engstrom(GitHub 4843 stars)

链接：http://github.com/lengstrom/fast-style-transfer

Pysc2：星际争霸 2 学习环境，来自 DeepMind Timo Ewalds 等人(GitHub 3683 stars)

链接：http://github.com/deepmind/pysc2

AirSim：基于虚幻引擎的开源自动驾驶模拟器，由微软研究院 Shital Shah 等人提出(GitHub 3861 stars)

链接：http://github.com/Microsoft/AirSim

Facets：机器学习数据集可视化工具，来自 Google Brain(GitHub 3371 stars)

链接：http://github.com/PAIR-code/facets

Style2Paints：AI 漫画线稿上色工具，来自苏州大学(GitHub 3310 stars)

链接：http://github.com/lllyasviel/style2paints

Tensor2Tensor：用于广义序列-序列模型的工具库，来自 Google Brain 的 Ryan Sepassi(GitHub 3087 stars)

链接：http://github.com/tensorflow/tensor2tensor

CycleGAN and pix2pix in PyTorch：基于 PyTorch 的图像-图像转换工具，来自 UC Berkeley 在读博士朱俊彦(GitHub 2847 stars)

链接：http://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

Faiss：用密集向量高效相似性搜索与聚类的工具库，来自 Facebook(GitHub 2629 stars)

链接：http://github.com/facebookresearch/faiss

Fashion-mnist：一个类似于 MNIST 的时尚产品数据集，来自 Zalando Tech 的 Han Xiao(GitHub 2780 stars)

链接：http://github.com/zalandoresearch/fashion-mnist

ParlAI：用于在各种公开可用的对话数据集上训练与评估 AI 模型的框架，来自 Facebook 的 Alexander Miller(GitHub 2578 stars)

链接：http://github.com/facebookresearch/ParlAI

Fairseq：来自 FAIR 的序列到序列工具包(GitHub 2571 stars)

链接：http://github.com/facebookresearch/fairseq

Pyro：使用 Python 和 PyTorch 进行深度通用概率编程，来自 Uber AI Labs(GitHub 2387 stars)

链接：http://github.com/uber/pyro

iGAN：基于 GAN 的交互图像生成器(GitHub 2369 stars)

链接：http://github.com/junyanz/iGAN

Deep-image-prior：使用神经网络进行图像恢复，同时无需学习过程，来自 Skoltech 的 Dmitry Ulyanov(GitHub 2188 stars)

链接：http://github.com/DmitryUlyanov/deep-image-prior

Face classification：基于 Keras CNN 模型与 OpenCV 的实时面部检测和表情/性别分类，训练与 fer2013/imdb 数据集(GitHub 1967 stars)

链接：http://github.com/oarriaga/face_classification

Speech to Text WaveNet：使用 DeepMind 的 WaveNet 和 TensorFlow 构成的端到端句级英语语音识别，来自 Kakao Brain 的 Namju Kim(GitHub 1961 stars)

链接：http://github.com/buriburisuri/speech-to-text-wavenet

StarGAN：用于多领域图像-图像转换的统一生成对抗网络(GitHub 1954 stars)

链接：http://github.com/yunjey/StarGAN

MI-agents：Unity 机器学习智能体，来自 Unity3D 的 Arthur Juliani(GitHub 1658 stars)

链接：http://github.com/Unity-Technologies/ml-agents

Deep Video Analytics：分布式可视化搜索和可视化数据分析平台，来自康奈尔大学的 Akshay Bhat(GitHub 1494 stars)

链接：http://github.com/AKSHAYUBHAT/DeepVideoAnalytics

OpenNMT：Torch 上的开源神经机器翻译(GitHub 1490 stars)

链接：http://github.com/OpenNMT/OpenNMT

Pix2PixHD：使用条件 GAN 合成和处理 2048×1024 分辨率的图像，来自英伟达 AI 科学家 Ming-Yu Liu(GitHub 1283 stars)

链接：http://github.com/NVIDIA/pix2pixHD

Horovod：分布式 TensorFlow 训练框架，来自 Uber 工程团队(GitHub 1188 stars)

链接：http://github.com/uber/horovod

AI-Blocks：强大而直观的 WYSIWYG 界面，可让任何人创建机器学习模型(GitHub 899 stars)

链接：http://github.com/MrNothing/AI-Blocks

Voice Conversion with Non-Parallel Data：基于 TensorFlow 的深度神经网络语音转换(语音风格转换)，来自 Kakao Brain 团队的 Dabi Ahn(GitHub 845 stars)

链接：http://github.com/andabi/deep-voice-conversion

感谢观看！

end

网络大数据

（ID:raincent_com）

网络大数据 www.raincent.com

致力于打造中国最专业的网络大数据科学门户网站。

识别二维码，关注网络大数据