热点 | 四月最佳Github项目库与最有趣Reddit热点讨论（文末免费送百G数据集）

来源 | Analytics Vidhya

编译 | 磐石

出品 | 磐创AI技术团队

【磐创AI导读】：Github是全球最大的开源代码社区，Reddit是最受大家欢迎的热点讨论交流平台。接下来磐创AI将为大家带来四月份Github最佳项目库介绍与Reddit热点评论一览。欢迎大家点击上方蓝字关注我们的公众号：磐创AI。

目录

• 介绍

• Github月度最佳项目库

• Reddit热点讨论

介绍

对于数据科学和机器学习，GitHub和Reddit也许是两个最受欢迎的平台。前者是在代码和项目之间共享和协作的绝佳工具，而后者则是与全球数据科学爱好者交流互动的最佳平台之一。

在4月份，有一些惊艳的python项目开放了源代码。从可以完美融合一张图到另一张图片中的Deep Painterly Harmonization(深度绘画协调库)到Swift for TensorFlow（tensorflow兼容swift）。下面的介绍将涵盖四月份最佳的几个开源项目仓库。

接下来，让我们来看看四月份的最佳Git仓库和最有趣的Reddit讨论。 

GitHub月度最佳项目库

1.Deep Painterly Harmonization（深度绘画融合）https://github.com/luanfujun/deep-painterly-harmonization 对图像进行处理并且使处理后的图像看起来像真实图像一样这类技术已经存在很久了。但是通过深度学习去实现将会更加有效率和更加逼真。开发人员提出了一种算法用以实现绘制一幅绘画：在一张图片中添加一个外部元素并使其与之融合，而且看起来几乎与原始绘画风格一样。

正如上面的图像所示-右边第三幅是最终输出，如果我们没有前面的两个图像，我们可能无法区分出气球是一个外部插入对象。这种算法产生比照片合成或全局程式化技术（ global stylization techniques）更精确的结果，并且实现迄今为止非常难以实现的处理水平。

2.Swift for TensorFlow  https://github.com/tensorflow/swift

 谷歌上个月将Swift for TensorFlow在TensorFlow开发者峰会上进行了演示，而且其技术团队已经开始在GitHub上向大家提供开源代码。他们的目标是在Tensorflow已经很强大的功能基础上为其提供一个全新的编程模型，同时还注重提高整个软件架构每一层的可用性。目前这个项目还处于早期开发阶段，因此尚未准备好写入深度学习模型。该团队声称，现在距实现项目原定目标还需要一段时间，同时该项目还有很多潜在功能尚未实现。

我们在这里介绍了Swift for TensorFlow供你参考。

3.MUNIT: Multimodal UNsupervised Image-to-image Translation（多模态无监督图像转换） https://github.com/NVlabs/MUNIT

来自康奈尔大学的研究小组提出了一种多模态无监督的图像到图像转换问题的标准框架–（MUNIT）框架，用于将图像从一个域转换到另一个域。通俗来讲，就是拍摄一张图像，并从中产生一个新图像（例如，将狗的图像转换为猫）。

先前存在的方法仅仅可以实现给定图像的一对一映射，因此不能对一个图像产生多个不同输出结果。而MUNIT的另一个激动人心的功能正是可以为一张图片提供多个输出。

4.GluonNLP https://github.com/dmlc/gluon-nlp

最近，深度学习在自然语言处理领域取得了很大的进展。网络生活中每时每刻都会产生大量的文字，这是从上个世纪就开始的现象。GluonNLP是一个自然语言处理工具包，它旨在使数据科学家们更便捷的去完成NLP任务–更简单方便的实现文本预处理和加载数据集并构建深度学习神经模型。这极大的促进了NLP研究的高效与便捷。

令人激动的另外一点是，该工具有一个很好的介绍文档与教程 http://gluon-nlp.mxnet.io/，以及如何使用该库的详细示例。他们还为喜爱复制粘贴的新手们准备了一个精心制作的60分钟速成课程。

5.PyTorch GAN https://github.com/eriklindernoren/PyTorch-GAN

PyTorch GAN这个Github库就像是一个金矿，值得大家去挖掘。GAN（生成对抗网络）由14 年 Ian Goodfellow 等人提出，随后关于GAN的各种变体版本就相继出现。而PyTorch GAN库就是是针对GAN（或生成对抗网络）以及其各种变体的PyTorch实现的集合。目前该项目库已经列出了24种不同的实现，每种实现都会在一定程度上特别地为你提供方便。例如，其中包含Adversarial Autoencoders，CycleGAN，Least Squares GAN，Pix2Pix等的实现。

Reddit热点讨论

1.帮助用户理解研究论文https://www.reddit.com/r/MachineLearning/comments/8b4vi0/d_anyone_having_trouble_reading_a_particular/

如果你在读研究论文时遇到了困难，那么Reddit机器学习社区愿意为你提供帮助。这个很棒的提议已经帮助了一大群人在研究论文中收获更多，而以往他们往往只是在遇见问题时放弃阅读或者直接跳过。

值得注意的一点是，当你在那里发帖求助时你需要确保提供尽可能详细的信息，比如文章摘要、你被卡住的地方、你自己做了什么研究等等。在此引用一条社区用户评论更通俗的解释这个板块（Reddit机器学习社区）的功能–“可以想象，这将是会有一个研究小组（社区用户们）被邀请来回答你论文的疑问，而不是排长队等待某个专家来回答它。“

2.关于《Nature》创建《Nature Machine Intelligence》子刊的声明 

https://www.reddit.com/r/MachineLearning/comments/8fmtr9/d_statement_on_nature_machine_intelligence/

关于”研究“应该是开源（免费）还是封闭（收费）的争论已经持续了数十年。最近，广受关注的“Nature”杂志宣布它将发布封闭式访问子刊（收费）《Nature Machine Intelligence》。这触发了一场声势浩大的抵制运动，许多业界大牛（Jeff Dean. 与Ian Goodfellow. 等人）在请愿书上签名并声明他们不会给这样的期刊投稿。

研究是否应该有开放（免费）或封闭（收费）的访问这个话题引发了社区用户广泛的讨论。

3.Michael Jordan关于AI现状的演讲https://www.reddit.com/r/MachineLearning/comments/8daqki/d_very_sobering_presentation_on_the_current_state/

迈克尔乔丹（Michael Jordan）是伯克利著名教授，在最近的一次演讲中，他详细地讲述了我们是如何与真正的机器智能渐行渐远的。这是一个发人深省的演讲，可以激发人们对机器智能的思考。

在Reddit机器学习社区该主题已经产生了超过100条评论，大家广泛讨论着自己对机器智能发展的看法与自己所处的位置和会产生的作用。

4.科学家们筹划大型欧洲人工智能中心与美国竞争https://www.reddit.com/r/MachineLearning/comments/8ekmqy/scientists_plan_huge_european_ai_hub_to_compete/

在这个话题中，你会发现来自欧洲和美国各地的数据科学家和机器学习研究人员们参与了讨论—关于ML（机器学习）在两大洲的结构如何塑造和工资水平如何。你可以通过此话题了国外机器学习研究者的一些社会现状。

5.测量目标景观的本征维数（Intrinsic Dimension）https://www.reddit.com/r/MachineLearning/comments/8f9dvm/ruberai_measuring_the_intrinsic_dimension_of/

这个话题来自于优步发布的一个视频—将本证维数发展为神经网络的基本属性。大家对视频中内容的疑问，都在这里得到了回答。人们往往更喜欢将一篇研究论文转化为一段视频来理解，这可能会使得这项研究更容易去理解。

欢迎在评论中发表你对上述热点项目与热点话题的观点。

写在最后：欢迎大家点击下方二维码关注我们的公众号，点击干货资源专栏或回复关键字“资源”获取更多资源推荐。关注我们的历史文章，一起畅游在深度学习的世界中。