En agosto de 2019, ¿cuáles son los proyectos de código abierto más populares en el campo del aprendizaje automático?
De más de 250 proyectos de código abierto de IA, Mybridge AI usa la cantidad de acciones, minutos leídos, etc. como características, clasificadas a través de su propio método de experimento de aprendizaje automático y finalmente seleccionó el Top8. Al cierre de esta edición (2019-09-16 23:21), el número promedio de estrellas para estos proyectos es: 1.355 ⭐️.
Los proyectos Top10 involucran principalmente temas que incluyen: detección de objetos, intercambio de caras, redes neuronales, predicciones, DeepMind, inteligencia artificial basada en agentes, generación de música, neuroevolución, etc.
A continuación, le presentaré los 8 principales proyectos de código abierto de aprendizaje automático. Puede clonar el código fuente para depurarlo según sus preferencias.
Primer lugar
Detectron:
plataforma de investigación de FAIR para la investigación de detección de objetos, que implementa algoritmos populares como Mask R-CNN y RetinaNet.
La plataforma de investigación de detección de objetos de FAIR implementa algoritmos populares como Mask R-CNN y RetinaNet.
[Consigue
11109
estrellas]
Dirección del proyecto: https://github.com/facebookresearch/Detectron
Segundo lugar
FaceSwap:
una herramienta que utiliza el aprendizaje profundo para reconocer e intercambiar rostros en imágenes y videos.
La herramienta "definitiva" que utiliza el aprendizaje profundo para reconocer y reemplazar rostros en imágenes y videos.
[Consigue
3567
estrellas]
Dirección del proyecto: https://github.com/deepfakes/faceswap
Tercer lugar
Puntos de verificación de gradiente:
haga que enormes redes neuronales quepan en la memoria
Utilice el punto de verificación de gradiente para ahorrar memoria, de modo que las redes neuronales a gran escala también se puedan cargar en la memoria
[Consigue
1073
estrellas]
Dirección del proyecto: https://github.com/cybertronai/gradient-checkpointing
cuarto puesto
Lime:
explica las predicciones de cualquier clasificador de aprendizaje automático.
Explique las predicciones de cualquier clasificador de aprendizaje automático.
[Consigue
3104
estrellas]
Dirección del proyecto: https://github.com/marcotcr/lime
el quinto lugar
Dm_control:
El paquete de control y la suite de control DeepMind
Dm_control: paquete de control y paquete de control DeepMind.
[Consigue
873
estrellas]
Dirección del proyecto: https://github.com/deepmind/dm_control
Sexto lugar
Deepj:
un modelo de aprendizaje profundo para la generación de música de estilo específico.
Un modelo de aprendizaje profundo generado para un estilo de música específico.
[Consigue
291
estrellas]
Dirección del proyecto: https://github.com/calclavia/DeepJ
Séptimo lugar
NPMT:
Hacia la traducción automática basada en frases neuronales.
Traducción de redes neuronales basada en frases.
[Consigue
50
estrellas]
Dirección del proyecto: https://github.com/posenhuang/NPMT
octavo lugar
Psychlab:
Paradigmas experimentales implementados utilizando la plataforma Psychlab (plataforma 3D para IA).
Un ejemplo experimental implementado utilizando la plataforma Psychlab (plataforma AI 3D basada en agentes)
[Consigue
4763
estrellas]
Dirección del proyecto: https://github.com/deepmind/lab
Lectura recomendada