申请专栏作者
您的当前位置:主页 > 深度学习 > 正文

过去一年最有用的6个机器学习项目,你用过几个

来源: 时间:2019-01-05

在过去的一年中,机器学习许多新的高影响力应用被发现并被揭示,特别是在医疗保健、金融、语音识别、增强现实和更复杂的3D和视频应用中。

内容来自可思数据

我们已经看到了更多的应用驱动研究,而不是理论研究。虽然这可能有其缺点,但它暂时产生了一些巨大的积极影响,即可以迅速转化为业务和客户价值的新研发。这一趋势在ML开源工作的大部分内容中得到了强烈反映。

可思数据-AI,人工智能,深度学习,机器学习,神经网络

让我们来看看过去一年中前6个最实用的ML项目。这些项目发布了代码和数据集,允许个别开发人员和小型团队学习并立即创造价值。它们可能不是理论上最具开创性的作品,但它们适用且实用。

可思数据-AI,智能驾驶,人脸识别,区块链,大数据

Fast.ai

可思数据-www.sykv.cn,sykv.com

Fast.ai库的编写是为了使用现代最佳实践简化快速准确的神经网络培训。它抽象出了在实践中实施深度神经网络可能带来的所有细节工作。它非常易于使用,并且设计有从业者的应用程序构建思维模式。最初是为Fast.ai课程的学生创建的,该库以简洁易懂的方式编写在易于使用的Pytorch库之上。 可思数据-数据挖掘,智慧医疗,机器视觉,机器人

  可思数据-AI,人工智能,深度学习,机器学习,神经网络

 

可思数据-www.sykv.cn,sykv.com

网址:https://github.com/fastai/fastai 可思数据-数据挖掘,智慧医疗,机器视觉,机器人

Detectron 可思数据

Detectron是Facebook AI用于物体检测和实例分割研究的研究平台,用Caffe2编写。它包含各种对象检测算法的实现,包括: 本文来自可思数据,转载请联系本站及注明出处

Mask R-CNN: :使用更快的R-CNN结构的对象检测和实例分割

可思数据-人工智能资讯平台

RetinaNet:一个基于特征金字塔的网络,具有独特的Focal Loss来处理难题 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

Faster R-CNN::对象检测网络最常见的结构

可思数据-人工智能资讯平台

  可思数据-数据挖掘,智慧医疗,机器视觉,机器人

 

可思数据-www.sykv.cn,sykv.com

网址:https://github.com/facebookresearch/Detectron

可思数据-www.sykv.cn,sykv.com

FastText

可思数据-www.sykv.cn,sykv.com

另一个来自Facebook的研究,fastText库专为文本表示和分类而设计。它配备了预先训练的150多种语言的单词向量模型。这些单词向量可用于许多任务,包括文本分类,摘要和翻译。

内容来自可思数据

  内容来自可思数据

  可思数据-AI,智能驾驶,人脸识别,区块链,大数据

网址:https://github.com/facebookresearch/fastText

可思数据-数据挖掘,智慧医疗,机器视觉,机器人

AutoKeras 可思数据-AI,人工智能,深度学习,机器学习,神经网络

Auto-Keras是一个用于自动机器学习(AutoML)的开源软件库。它由Texas A&M大学的DATA实验室和社区贡献者开发。AutoML的最终目标是为具有有限数据科学或机器学习背景的领域专家提供易于访问的深度学习工具。Auto-Keras提供自动搜索深度学习模型的最佳架构和超参数的功能。 本文来自可思数据,转载请联系本站及注明出处

 

可思数据-人工智能资讯平台

 

内容来自可思数据

网址:https://github.com/jhfjhfj1/autokeras

可思数据

Dopamine

可思数据-AI,人工智能,深度学习,机器学习,神经网络

Dopamine是由Google创建的强化学习算法快速原型设计的研究框架。它旨在灵活且易于使用,实现标准RL算法、指标和基准。 可思数据-人工智能资讯平台

根据Dopamine的文档,他们的设计原则是:

可思数据-www.sykv.cn,sykv.com

简单的实验:帮助新用户运行基准实验

可思数据-AI,人工智能,深度学习,机器学习,神经网络

灵活的开发:为新用户提供新的创新想法 可思数据-人工智能资讯平台

紧凑和可靠:为一些较旧和更流行的算法提供实现 可思数据-AI,人工智能,深度学习,机器学习,神经网络

可重复性:确保结果是可重复 可思数据

  可思数据

 

可思数据-AI,人工智能,深度学习,机器学习,神经网络

网址:https://github.com/google/dopamine 可思数据-数据挖掘,智慧医疗,机器视觉,机器人

vid2vid

内容来自可思数据

vid2vid项目是Nvidia最先进的视频到视频合成算法的公共Pytorch实现。视频到视频合成的目标是学习从输入源视频(例如,一系列语义分割掩模)到精确描绘源视频内容的输出照片拟真视频的映射函数。

内容来自可思数据

这个库的好处在于它的选择:它提供了几种不同的vid2vid应用程序,包括自动驾驶/城市场景,人脸和人体姿势。它还附带了丰富的指令和功能,包括数据集加载、任务评估、培训功能和多GPU! 可思数据-www.sykv.cn,sykv.com

 

可思数据-AI,智能驾驶,人脸识别,区块链,大数据

  可思数据-数据挖掘,智慧医疗,机器视觉,机器人

网址:https://github.com/NVIDIA/vid2vid 本文来自可思数据,转载请联系本站及注明出处

参考:https://towardsdatascience.com/the-10-most-useful-machine-learning-projects-of-the-past-year-2018-5378bbd4919f 可思数据-数据挖掘,智慧医疗,机器视觉,机器人


网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

Copyright©2005-2018 Sykv.cn 可思数据 版权所有    网站地图   联系我们  

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部