Google、Facebook等不可错过的 AI 开源工具，你想要的都在这里( 四 ) _AI

1、TensorFlow.Net【Stars：807】TensorFlow.NET保持和 Python 代码几乎一样的语法和接口，让目前流行的模型能够快速移植到 TF.NET 。开发者可以很容易地在 .NET 上运行用 Tensorflow 开发的模型，使用 Jupyter Notebook 一样可以在线开发和调试 C# 语言程序和 TensorFlow.NET，并可以实时呈现绘图的效果。

文章插图
开源地址：
https://github.com/SciSharp/TensorFlow.NET

2、NumSharp【Stars：75】NumSharp 是 Python 流行库 numpy 的纯 C＃端口，目的是提供快速、零拷贝和 n 维计算。目前，它是唯一一个为 .NET 编写的稳定库，能够在 n 维之间执行数学运算，如矩阵乘法、换位、加法等。

文章插图
开源地址：
https://github.com/SciSharp/Numpy.NET

阿里1、Euler【Stars：1.8k】Euler是大规模分布式的图学习框架，配合TensorFlow或者阿里开源的XDL等深度学习工具。Euler 采用分层灵活可扩展设计、大规模高性能异构图学习、灵活多样的图算法支持、通用 GNN 训练加速的设计理念，支持图分割和高效稳定的分布式训练，可以轻松支撑数十亿点、数百亿边的计算规模。
开源地址：
https://github.com/alibaba/euler/wiki

2、XDL【Stars：3k】X-DeepLearning（简称XDL）是面向高维稀疏数据场景（如广告/推荐/搜索等）深度优化的一整套解决方案。新框架 XDL 针对阿里妈妈业务数据高维稀疏的场景特点进行了优化。

文章插图
开源地址：
https://github.com/alibaba/x-deeplearning

3、MNN【Stars：3k】MNN是一个轻量级的深度神经网络推理引擎，在端侧加载深度神经网络模型进行推理预测。目前，MNN已经在阿里巴巴的手机淘宝、手机天猫、优酷等20多个App中使用，覆盖直播、短视频、搜索推荐、商品图像搜索、互动营销、权益发放、安全风控等场景。此外，IoT等场景下也有若干应用。

文章插图
开源地址：
https://github.com/alibaba/MNN/blob/master/README_CN.md

腾讯1、Angel【Stars：5.4k】腾讯Angel 3.0尝试打造一个全栈的机器学习平台，功能特性涵盖了机器学习的各个阶段：特征工程、模型训练、超参数调节和模型服务。

文章插图
开源地址：
https://github.com/Angel-ML/angel

字节跳动1、BytePS【Stars：1.9k】BytePS 是今年字节跳动发布的一款高性能的通用分布式训练框架。它支持TensorFlow、Keras、PyTorch 和 MXNet，可以在TCP或RDMA网络上运行。BytePS在很大程度上优于现有的开源分布式培训框架。

文章插图
开源地址：
https://github.com/bytedance/byteps

商汤1、MMLab MMDetection【Stars：7k】香港中文大学-商汤联合实验室开源了基于 PyTorch 的检测库——mmdetection 。这个开源库提供了已公开发表的多种视觉检测核心模块。通过这些模块的组合，可以迅速搭建出各种著名的检测框架，比如 Faster RCNN，Mask RCNN，和 R-FCN 等各种新型框架，从而大大加快检测技术研究的效率。
开源地址：
https://github.com/open-mmlab/mmdetection

2、PySOT【Stars：2.7k】PySOT 目标跟踪库实现了目前 SOTA 的多个单目标跟踪算法，包括SiamRPN和SiamMask 。PySOT 是用 Python 编写，基于 PyTorch 框架实现，同时该项目还包含一个评估跟踪器的Python 接口。

文章插图
开源地址：
https://github.com/STVIR/pysot

搜狗1、SMRC【Stars：547】SMRC（Sogou machine Reading Comprehension）目前业内最全的TensorFlow版本的阅读理解工具集合，从相关数据集的下载到最后模型的训练和测试，一应俱全。

文章插图
开源地址：
https://github.com/sogou/SMRCToolkit

蚂蚁金服1、ElasticDL【Stars：355】ElasticDL是一个分布式的智能学习系统，基于TensorFlow2.0构建，通过SQLFlow被调用的模型，会基于基础架构来进行分布式执行。它的容错和弹性调度机制，能让集群的利用效率更高。