GitHub上Star量最高的5個機器學習項目 (2019/10/03)

資料來源: https://mp.weixin.qq.com/s?__biz=MzI0NDUwNzYzMg==&mid=2247485471&idx=3&sn=147f062be6d654b0f7737df39dbbece3&chksm=e95dfe80de2a779648cead3440db288e1127f0b82f2823006b21f6a230c3ddf2646121ca7d6b&scene=0&xtrack=1&key=9c9b27d9170e2ef28a897bf2e6e72a79d4c3a97a7bf09d96c6956630ea4435ca1563d87e93a5054e4b4f9a468e866bdbf123edf547ff633f05c167129d53cce15583303a55b0cb8cd4b89e128ac0a516&ascene=1&uin=MjIwODk2NDgxNw%3D%3D&devicetype=Windows+10&version=62070141&lang=zh_TW&pass_ticket=ID3pWyEWXU%2Fjn6%2FY11EzGdnFdH0DZAsJig%2FovyPvKg5A8kig08sF41pf6eLu%2BbCi

01.Face Recognition：26073★ ~ https://github.com/ageitgey/face_recognition

    這是世界上最簡潔的人臉識別工具。它提供對Python 和命令行的應用程序接口（API），其用途是識別以及操作圖像中的人臉。它使用Dlib 最先進的人臉識別算法構建，該深度學習模型在LFW（Labeled Faces in the Wild）數據集上達到了99.38% 的準確率。

    它還提供了face_recognition 命令行工具，它可以讓你在包含圖像的文件夾中使用命令行來進行人臉識別！
    

02.fastText：18931 ★ ~ https://github.com/facebookresearch/fastText

    fastText 是由Facebook 團隊開發的免費開源庫，用於高效詞表徵學習。它是輕量級的，允許用戶學習文本表徵和句子分類器。它可以在標准通用硬件上運行，模型甚至可以被壓縮到適應移動設備的大小。

    文本分類是很多應用的核心問題，例如垃圾郵件檢測、情感分析或智能回复。文本分類的目標是給文檔（例如電子郵件、博客、短信、產品評論等）分配多個類別。
    

03.Awesome TensorFlow：14501★ ~ https://github.com/jtoy/awesome-tensorflow

    這是一個幫你理解和使用TensorFlow 的資源集合。該repo 涵蓋一系列資源列表，如很棒的TensorFlow 實驗、庫和項目。

    TensorFlow 是Google 開發的端到端開源機器學習平台。它有全面的生態系統，包括工具、庫和社區資源，允許研究者創建最先進的機器學習算法。使用TensorFlow，開發者可以很容易地構建並部署由機器學習驅動的應用。
    

04.Apache predictionio 11866 ★ ~ https://github.com/apache/predictionio

    Apache PredictionIO 是供開發者、數據科學家和終端用戶使用的開源機器學習框架。用戶可使用該框架構建真實的機器學習應用，並進行部署和測試。
    它甚至支持事件收集、評估，以及查詢預測結果。它基於可擴展的開源服務，如Hadoop、HBase 等。
    就機器學習而言，該工具減輕了開發人員的思維負擔。

05.Style2Paints：9860 ★ ~ https://github.com/lllyasviel/style2paints

    該repo 與前面4 個有點不一樣，因為缺乏資金，它已經被關閉了！它確實是一個有趣的設想，使用AI 給圖像上色。
    
    創建者稱Style2paints V4 是當前最好的AI 線稿上色工具。

    他們稱這個項目與之前的端到端圖像轉換方法不同，因為它是第一個用真實的人類作業流程為線稿上色的系統。很多藝術家熟悉這個流程。

    素描–>彩色填充/扁平化–>漸變/細節添加–>陰影處理

    Style2Paints就是根據這個流程設計的。只用兩次點擊，該流程就可以使下圖中最左的圖變成中間的圖。