譯者 | 林椿眄、Jane
責編 | Jane
出品 | AI科技大本營
【導讀】作者整理了近期最新發布及更新的 12 個非常有學習和收藏意義的開源項目。這些項目中包括基於 TensorFlow 的強化學習框架；可以對數據進行結構化處理的 AutoML 庫；支持 TensorFlow，PyTorch，MXNet，CNTK 和 Caffe2 等多種深度學習框架的模型部署框架；可以幫助用戶分析訓練模型的工具；強大的人臉標記開源項目等等，可以說每一個項目都值得我們瞭解一下！接下來，我們就一起找到你喜歡的那一個，碼起來！
▌1.Dopamine
基於 TensorFlow 的強化學習框架，Dopamine 是一個能夠快速實現強化學習算法原型的研究框架，旨在爲研究人員提供一個易於使用的實驗室環境，並滿足對小型、易於訪問的代碼庫的需求。有了這個框架，你可以在研究過程中輕鬆地建立實驗過程來驗證你自己的想法。
GitHub 地址： https://github.com/google/dopamine
▌2.TransmogrifAI
TransmogrifAI 是一個用 Scala 編寫的端到端的 AutoML 庫，由 Salesforce 提供的開源項目。它能夠在 Spark 運行，對數據進行結構化處理，旨在通過自動化機器學習技術，幫助開發者加速產品化過程。它僅需少量的代碼，就能實現數據清理、特徵工程和模型自動化過程，然後訓練高性能的模型並將其應用於下一步的迭代和探索研究。
GitHub 地址： https://github.com/salesforce/TransmogrifAI
▌3.OpenNRE
OpenNRE 是基於 Tensorflow 開發的，一個用於神經網絡關係提取的工具包，由清華大學劉知遠老師及其團隊貢獻的開源項目。在該項目中，關係提取會分爲嵌入、編碼器、選擇器和分類器四步。
Github 地址： https://github.com/thunlp/OpenNRE
▌4. TensorFlow Model Analysis
TFMA 是由 Google 發佈的，一個 TensorFlow 模型分析的開源項目，旨在幫助 TensorFlow 用戶分析訓練好的模型。用戶可以使用 Trainer 中定義的指標，以分佈式的方式來評估大量數據的模型。此外，根據不同的數據計算指標，用戶還可以將結果在 Juputer Notebooks 中進行可視化。
GitHub 地址： https://github.com/tensorflow/model-analysis
▌5. GraphPipe
graphPipe 是一個通用的深度學習模型部署框架，是由 Oracle 提供的開源項目。它旨在幫助用戶簡化機器學習模型的部署，並使用戶擺脫特定框架的模型實現。此外，graphPine 還提供跨深度學習框架模型的通用API，開箱即用的部署解決方案和強大的性能。它支持 TensorFlow，PyTorch，MXNet，CNTK 和 Caffe2 等多種深度學習框架。
Github 地址： https://github.com/oracle/graphpipe
▌6. ONNX Model Zoo
這是一個通用的深度學習預訓練模型集。該項目彙集了目前最好的深度學習預訓練模型，這些模型全部由 Facebook 和 Microsoft 提供，以 ONNX (開放式神經網絡交換) 的格式推出，並允許模型在不同框架之間進行遷移。每個模型都有一個相應的 Jupyter Notebook，其中包含模型訓練，操作推理，數據集和參考等信息。
Github 地址： https://github.com/onnx/models
▌7 基於深度學習的人臉標定算法 (106 個人臉關鍵點)
這是一個強大的人臉標定的開源項目，包括面部美容，美容化妝，Crycocelle vivo 檢測和人臉標定等預處理步驟。這個項目是基於傳統的 SDM 算法，可在 Windows 平臺上運行，並通過修改開源代碼來簡化部分測試代碼及優化代碼結構。基於深度學習技術，該項目設計了一種強魯邦性的、並支持多面部追蹤的高效網絡模型。當前，深度學習算法在人臉標定領域取得了良好的效果，而該項目旨在提供一種相對簡單易用的實現方法。
該項目主要有如下幾大特點：
- 我們使用 106 個人臉關鍵點，使得面部輪廓描述更加細膩。
- 高準確率，即使在逆光和暗光條件下也可以獲得良好的校準結果。
- 模型小。追蹤模型大約爲2 MB，這非常易於在移動端實現模型集成。
- 速度快。項目代碼在 Qualcomm 820 (st) 上，單個人臉標定只需要7毫秒。
- 增加多面部追蹤功能。
Github 地址： https://github.com/zeusees/HyperLandmark
▌8. MagNet
MagNet 是一個基於 Pytorch 的深度學習高級 API，旨在位開發者減少模板的代碼量，並優化深度學習項目開發的效率。
Github 地址： https://github.com/MagNet-DL/magnet
▌9. NLP.js
NLP.js 是一個基於 Node.js 的自然語言處理工具包。目前，它能夠支持一系列的自然語言處理任務，包括單詞分割，詞幹提取，句子分析，命名實體識別，文本分類和文本生成等任務。
Github 地址： https://github.com/axa-group/nlp.js
▌10. Texar
Texar 是一個基於 Tensorflow 的文本生成工具包，它能夠支持諸如機器翻譯，對話系統，文本總結和語言模型等任務，並允許研究者和開發者快速構建實驗協議。
Github 地址： https://github.com/asyml/texar
▌11. Evolute
Evolute 是一個易於使用的進化算法框架。它定義了個體和種羣等基礎的結構，還能實現一些常見的進化算法操作，如選擇，重現，突變和更新等。
Github 地址： https://github.com/csxeba/evolute
▌12. Task-Oriented Dialogue Dataset Survey
這是一種由任務驅動的對話數據收集項目，它能夠將多種特定的、由任務驅動的對話系統數據彙集在一起，如 Dialogue bAbl， Stanford Dialog，Consonant data，DSTC-2，CamRest676 和 DSTC4 等系統。
Github 地址： https://github.com/AtmaHou/Task-Oriented-Dialogue-Dataset-Survey
原文鏈接： https://www.tutorialdocs.com/article/12-ai-open-source-projects.html
【完】