1. 磐创AI-开放猫官方网站首页
  2. 资源干货
  3. GitHub

近期七大Github机器学习项目

近期七大Github机器学习项目

  • by:小韩
  • 原文:https://www.analyticsvidhya.com/blog/2019/08/7-innovative-machine-learning-github-projects-in-python/

近期七大Github机器学习项目

让我们一起来看下近期热门的机器学习Github仓库,包括了自然语言处理(NLP)、计算机视觉(CV)与大数据等多个领域。

7月Top机器学习Github项目

近期七大Github机器学习项目

###Pytorch-Transformers(NLP)

https://github.com/huggingface/pytorch-transformers

PyTorch-Transformers是最新的一系列最先进的NLP库。它打败了之前各种NLP任务的基准。我真正喜欢pytorch-transformers的是它包含PyTorch实现,预训练模型权重和其他重要组件,可以帮助你快速入门。

你可能会觉得运行复杂的模型需要巨大的计算能力。但是PyTorch-Transformers没有这个问题,使大多数人都可以建立最优秀的NLP模型。

###NeuralClassifer(NLP)

https://github.com/Tencent/NeuralNLP-NeuralClassifier

文本数据的多标签分类是一个相当大的挑战。当我们处理早期的NLP问题时,我们通常会处理单一标签任务。该级别在实际数据上增加了几个级别。

在多标签分类问题中,实例或记录可以具有多个标签,并且每个实例的标签数量不固定。

NeuralClassifier使我们能够快速实现分层多标签分类任务的神经模型。NeuralClassifier提供了我们熟悉的各种文本编码器,如FastText,RCNN,Transformer编码器等。

近期七大Github机器学习项目

我们可以使用NeuralClassifier执行以下分类任务:

  • 二进制文本分类
  • 多级文本分类
  • 多标签文本分类
  • 分层(多标签)文本分类

TDEngine(大数据)

https://github.com/taosdata/TDengine

TDengine

TDEngine在上个月的星星数超过了GitHub上所有其他的新项目。在不到一个月的时间内收到了将近10000颗星。

TDEngine是一个用于下列领域的开源大数据平台:

  • 物联网(IoT)
  • 联网汽车
  • 工业物联网
  • IT基础设施等等。

TDEngine提供了与数据工程相关的一整套任务。我们可以以超快的速度完成所有这些工作(处理查询速度提高10倍,计算使用率为1/5)。

有一点目前需要注意,TDEngine仅支持在Linux上执行。这个GitHub存储库包含了完整的文档和带有代码的入门指南。

视频对象删除(CV)

https://github.com/zllrunning/video-object-removal

您是否操作过图像数据?用于操作和处理图像的计算机视觉技术非常先进,其中图像物体检测被认为是成为计算机视觉专家的基本步骤。

但是操作视频会怎么样?当我们需要在视频中的对象周围绘制边界框时,难度会提高几个级别。对象的动态特征使整个概念更加复杂。

所以,当我看到这个GitHub存储库时非常高兴。我们只需在视频中的对象周围绘制一个边界框即可将它删除。 真的非常容易!下面是该项目的一个例子:

近期七大Github机器学习项目

Python自动补全(编程)

https://github.com/vpj/python_autocomplete

你会喜欢上这个机器学习项目。作为数据科学家,我们的工作大多数就是围绕着算法做实验。这是一个可以自动完成简单的LSTM模型的Python代码的项目。

下面灰色突出显示的代码是LSTM模型填写的内容(结果位于图像的底部):

近期七大Github机器学习项目

正如开发人员所说:

我们在python代码中删除注释、字符串和空行后进行训练和预测。在对python代码进行标记化之后训练模型。它似乎比使用字节对编码的字符级预测更有效。

如果你曾经花费或浪费时间写了很差的Python代码,那么你可能需要它。它现在处于在非常早期的阶段,所以还存在一些问题。

tfpyth – TensorFlow to PyTorch to TensorFlow(编程)

https://github.com/BlackHC/tfpyth

TensorFlow和PyTorch都拥有强大的用户社区。但令人难以置信的是PyTorch的使用率可能会在未来一两年内超越TensorFlow。这不是打击TensorFlow,而是相当可靠的。

因此,如果你使用TensorFlow编写了一部分代码并用PyTorch中编写了另一部分代码,并希望将两者结合起来训练模型,那么tfpyth框架非常适合你。tfpyth最好的地方是不需要重写之前的代码。

近期七大Github机器学习项目

这个GitHub存储库包含了一个结构良好的示例,说明了如何使用tfpyth。这绝对是TensorFlow与PyTorch之间的一种新的看法,不是吗?

安装tfpyth:

[code lang=python]
pip install tfpyth
[/code]

MedicalNet

https://github.com/Tencent/MedicalNet

将迁移学习与NLP联系起来。当我看到这个精彩的MedicalNet项目时,我感到很激动。

近期七大Github机器学习项目

这个GitHub存储库包含了“Med3D: Transfer Learning for 3D Medical Image Analysis”论文的PyTorch实现。该机器学习项目将医学数据集与不同的模态,目标器官和病理进行聚合,以构建相对较大的数据集。

众所周知,深度学习模型通常需要大量的训练数据。因此,TenCent发布的MedicalNet是一个出色的开源项目,我希望很多人能够继续在它上面工作。MedicalNet的开发人员已经发布了基于23个数据集的四个预训练模型。

原创文章,作者:fendouai,如若转载,请注明出处:https://panchuang.net/2019/08/20/github-7-projects/

发表评论

登录后才能评论

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息