热点 | 六月Github热点项目库总结

磐创AI

专注分享原创AI技术文章

来源 | Analytics Vidhya

整理 | 磐石

【磐创AI导读】：Github是全球最大的开源代码社区。接下来磐创AI将为大家介绍几个六月Github热点项目库。欢迎大家关注我们的公众号：磐创AI。

目录

• 介绍

• Github热点项目库

• Facebook‘s DensePose

• NLP Progress

• MLflow

• Salesforce’s decaNLP

• Reinforcement Learning Notebooks

• 总结 

介绍

对于数据科学和机器学习而言，GitHub无疑是最受欢迎的平台之一。它是在代码和项目之间共享和协作的绝佳工具，它降低了进入开源世界的壁垒，并在传播知识和扩展机器学习社区方面发挥了巨大的作用。

在六月份，有一些惊艳的python项目开放了源代码。从可以定位5000个关键点的姿态估计模型（DensePose）到用一种模型实现多个NLP任务的Salesforce’s decaNLP再到包含由详细注释的强化学习算法集合的git库Reinforcement Learning Notebooks。下面将一一进行简单介绍。

接下来，让我们一起看看六月份的热点Git仓库。

GitHub月度最佳项目库

Facebook‘s DensePose

（https://github.com/facebookresearch/DensePose）

今年，人体姿态估计在深度学习界引发了广泛关注。这一趋势在Facebook开放他们的姿态估计框架‘DensePose’的源代码后更是被推到了一个新的高度。该技术可识别人体中超过5000个关节点（对于上下文来说，其他方法以10或20个关节进行操作）。从上图中可以看出该技术的实现结果。

DensePose已经在目标检测平台Detectron中创建好并由Caffe2提供支持。除了代码之外，此存储库还包含用于可视化DensePose-COCO数据集的notebook。

NLP Progress（https://github.com/sebastianruder/NLP-progress）

尽管自然语言处理（NLP）有吸引力，但它无疑是一个很难步入一个领域。你需要去处理大量非结构化文本，这并不容易。而这个NLP Progress存储库就是专门用于跟进NLP领域最新进展的仓库。它列举了一些非常有用的数据集和当前依存句法分析（depency parsing）、part-of-speech tagging（词性标注）和阅读理解（reading comprehension）的最优方法（state-of-the-art）。

如果你对NLP领域感兴趣或者茫然的话，可以star这个存储仓库并持续关注它的动态。同时，将来还会有一些技术补充到列表里，如信息提取技术，关系抽取技术，语法错误纠正技术（grammatical error correction）等。

MLflow（https://github.com/databricks/mlflow）

模型的大规模应用是数据科学家进入该领域时面临的挑战之一，设计和构建模型又是数据科学家们进行机器学习的原因。但如果你不能将这个模型应用到实际应用中去，它本质上就变成了一块无用的代码。

因此，Databricks（由Spark创建者创建）决定为这些机器学习（ML）模型应用难题构建开源解决方案–名为MLflow，它是一个管理整个机器学习生命周期（从开始到生产）的平台，并且被设计可以使用任何库。自从它发布以来，它获得了极大的关注（GitHub上star数1,355）。 

Salesforce‘s decaNLP

（https://github.com/salesforce/decaNLP）

本文另一个NLP存储库推荐。当涉及到情感分析或机器翻译等自然语言处理任务时，一般来说是需要建立专门针对该任务的模型。那么，你有没有建立一个同时可以进行情感分析、语义分析和问答的模型呢？这就是Salesforce研究人员企图用此存储库去实现的效果。

他们发表了一篇研究性论文，概述了一个可以同时完成10个不同NLP任务的模型。在论文中，他们还向社区发起了一个挑战（decaNLP）—你能建立一个这样的模型并改进“我们”提供的方法吗？Salesforce建造的模型被称为“自然语言处理领域的瑞士军刀”。 

Reinforcement Learning Notebooks

（https://github.com/Pulkit-Khandelwal/Reinforcement-Learning-Notebooks）

强化学习日益流行，在开源社区中同样是如此。该存储库是来自Richard Sutton和Andrew Barto的书和其他研究论文中的强化学习算法的集合。这些算法以notebook的格式提供给大家。

存储库的创建者建议大家边看书边实践这些算法，以达到更好的学习目的。这些notebook有着很详细的注释都，很适合有意向进入强化学习的领域的人去学习。

总结：

以上是对六月份github上几个热点的项目仓库的整理总结，涵盖计算机视觉、自然语言处理、强化学习多个领域。希望对你有所帮助，同时欢迎在评论中留言讨论和推荐一些其他不错的git存储库。