15个最流行的GitHub机器学习项目( 三 )
2.5 Mobile Deep Learning
项目地址：
github.com/baidu/mobile
该 repo 将数据科学中的当前最佳技术移植到了移动平台上 。 该 repo 由百度研究院开发 ， 目的是将深度学习模型以低复杂性和高速度部署到移动设备（例如 Android 和 IOS）上 。
该 repo 解释了一个简单的用例 ， 即目标检测 。 它可以识别目标（例如一张图像中的手机）的准确位置 ， 很棒不是吗？
本文插图
2.6 Visdom
项目地址：
github.com/facebookrese
Visdom 支持图表、图像和文本在协作者之间进行传播 。 你可以用编程的方式组织可视化空间 ， 或者通过 UI 为实时数据创建仪表盘 ， 检查实验结果 ， 或者调试实验代码 。
本文插图
绘图函数中的输入会发生改变 ， 尽管大部分输入是数据的张量 X（而非数据本身）和（可选）张量 Y（包含可选数据变量 ， 如标签或时间戳） 。 它支持所有基本图表类型 ， 以创建 Plotly 支持的可视化 。
Visdom 支持使用 PyTorch 和 Numpy 。
2.7 Deep Photo Style Transfer
项目地址：
github.com/luanfujun/de
该 repo 基于近期论文《Deep Photo Style Transfer》 ， 该论文介绍了一种用于摄影风格迁移的深度学习方法 ， 可处理大量图像内容 ， 同时有效迁移参考风格 。 该方法成功克服了失真 ， 满足了大量场景中的摄影风格迁移需求 ， 包括时间、天气、季节、艺术编辑等场景 。
本文插图
2.8 CycleGAN
项目地址：
github.com/junyanz/Cycl
CycleGAN 是一个有趣且强大的库 ， 展现了该顶尖技术的潜力 。 举例来说 ， 下图大致展示了该库的能力：调整图像景深 。 这里有趣的点在于你事先并没有告诉算法需要注意图像的哪一部分 。 算法完全依靠自己做到了！
本文插图
目前该库用 Lua 编写 ， 但是它也可以在命令行中使用 。
2.9 Seq2seq
项目地址：
github.com/google/seq2s
Seq2seq 最初是为机器翻译而建立的 ， 但已经被开发用于多种其它任务 ， 包括摘要生成、对话建模和图像捕捉 。 只要一个问题的结构是将输入数据编码为一种格式 ， 并将其解码为另一种格式 ， 就可以使用 Seq2seq 框架 。 它使用了所有流行的基于 Python 的 TensorFlow 库进行编程 。
本文插图
2.10 Pix2code
项目地址：
github.com/tonybeltrame
这个深度学习项目非常令人振奋 ， 它尝试为给定的 GUI 自动生成代码 。 当建立网站或移动设备界面的时候 ， 通常前端工程师必须编写大量枯燥的代码 ， 这很费时和低效 。 这阻碍了开发者将主要的时间用于实现真正的功能和软件逻辑 。 Pix2code 的目的是通过将过程自动化来克服这一困难 。 它基于一种新方法 ， 允许以单个 GUI 截图作为输入来生成计算机 token 。
Pix2code 使用 Python 编写 ， 可将移动设备和网站界面的捕捉图像转换成代码 。
3、机器之心项目
机器之心目前在 GitHub 上也有三个项目 ， 分别是评估人工智能各领域优秀公司的 AI00、人工智能领域中英术语集和模型试验与解释项目 。
推荐阅读
- 趣头条，性价比高操控好，6款适合自驾游出行的汽车
- 飞行的小猪承继450亿财产，曾直言不认识何猷君！，何鸿燊最宠溺的明星女儿
- 『王大锤』当年火到不行的“王大锤”，为何突然销声匿迹了？如今他活成这样
- 科技第一帅2020年游戏本该如何买？懂行的都会选择这三款
- [田馥甄]杨丞琳15个字回应阿娇离婚快刀斩乱麻，比Hebe高明多了
- 『出炉』山西秋冬防成绩单出炉 15个地区重污染天气为零
- 南朝居士汉初为何采取郡县制与分封制并行的治国手段？而不是仅郡县制？
- 陆点资讯那不如来扒一扒一些银行的“内幕”吧，最近银行总上热搜
- 北晚新视觉网宁卖房不卖股筹现金，或将租房住，特立独行的亿万富翁马斯克
- 旅行的信仰TB疫情传播率世界第一，总统不管在玩水上摩托，巴西新增1万死亡1万