推荐：7大热门GitHub机器学习“创新”项目
极客时间编辑部
讲述：丁婵大小：2.18M时长：04:46
近日，公众号读芯术盘点了近期发布的七大 GitHub 机器学习项目。这些项目广泛覆盖了机器学习的各个领域，包括自然语言处理（NLP）、计算机视觉、大数据等，以供开发者参考。
1. PyTorch-Transformers（NLP）
自然语言处理即 NLP 的力量令人叹服。NLP 改变了文本的处理方式，几乎到了无法用语言描述的程度。
在最先进的一系列 NLP 库中，PyTorch-Transformers 出现最晚，却已打破各种 NLP 任务中已有的一切基准。它最吸引人的地方在于涵盖了 PyTorch 实现、预训练模型权重及其他重要元素，可以帮助用户快速入门。
运行最先进的模型需要庞大的计算能力。PyTorch-Transformers 在很大程度上解决了这个问题，它能够帮助这类人群建立起最先进的 NLP 模型。
2. NeuralClassifier (NLP)
在现实世界中，文本数据的多标签分类是一个巨大的挑战。早期面对 NLP 问题时，我们通常处理的是单一标签任务，但在真实生活中却远不是这么简单。
在多标签分类问题中，实例 / 记录具备多个标签，且每个实例的标签数量并不固定。
NeuralClassifier 使开发者们能够在多层、多标签分类任务中快速实现神经模型。它还提供了各种大众熟知的文本编码器，用它可以执行双层文本分类、多层文本分类、多标签文本分类、多层（多标签）文本分类等诸多分类任务。
3. TDEngine (大数据)
该数据库在几乎不到一个月的时间内就累积了近 10,000 个 star。TDEngine 是一个开源大数据平台，针对物联网、车联网、工业物联网和 IT 基础架构等等。
本质上，TDEngine 提供了一整套与数据工程相关的任务，用户可以用极快的速度完成所有这些工作。此外，TDEngine 数据库提供了完整的文件资料以及包含代码的入门指南。
需要注意的是，TDEngine 仅支持在 Linux 上执行。
4. Video Object Removal (计算机视觉)
你是否接触过图像数据？计算机视觉是一种十分先进的技术，用于操纵和处理图像的。想要成为计算机视觉专家，图像的目标检测通常被认为是必经之路。
那么视频呢？如果要对几个视频中的目标绘制边界框，虽然看似简单，实际难度却远不止如此，而且目标的动态性会使任务更加复杂。而使用 Video Object Removal，只要在视频中某一目标周围绘制边界框，即可将它删除。
5. Python Autocomplete (编程)
很多数据科学家的工作就是对各种算法进行试验，而 Python Autocomplete 可以利用一个 LSTM 简单模型自动写完 Python 代码。
如果你曾花费时间编写一行行单调的 Python 代码，那么这一模型可能正是你所寻找的。不过它的开发还处于非常早期的阶段，操作中不可避免会出现一些问题。
6. TfPyTh (编程)
TensorFlow 和 PyTorch 两大模型都坐拥庞大的用户群，但后者的使用率高得惊人，在未来一两年内很可能超过前者。不过请注意，这并不会打击 Tensorflow，因为它的地位相当稳固。
所以如果你曾经在 TensorFlow 中写了一串代码，后来又在 PyTorch 中写了另一串代码，现在希望将两者结合起来用以训练模型，那么 TfPyTh 框架会是一个好选择。Tfpyth 最大的优势就在于用户不需要重写先前写好的代码。
这个项目对 TfPyTh 的使用方法给出了结构严谨的示例，这无疑是对 TensorFlow 与 PyTorch 争论的一种重新审视。
7. MedicalNet
该项目中包含了一个 PyTorch 项目，它将《Med3D：用迁移学习分析 3D 医学图像》这篇论文中的想法付诸实践。这一机器学习项目将医学数据集与不同的模态、目标器官和病理结合起来，以构建规模较大的数据集。
众所周知，深度学习模型通常需要大量训练数据，而 TenCent 发布的 MedicalNet 是一个相当出色的开源项目。
以上就是今天的内容，希望对你有所帮助。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论