9月份最热门的机器学习开源项目TOP 5

论文和代码

相信你们都曾为如何本身实现论文中的代码而苦恼过，在互联网上搜索相关的代码能够说是很是的使人煎熬。在这个 repo 中，包含了数以百计的机器学习和深度学习研究论文及其代码。该 repo 的范围很是惊人，能够说是数据科学家的宝库。该 repo 中的连接每周都会更新，值得一提的是 NIPS2018 的一些相关工做也已经被收藏进该 repo。

github 连接：https://github.com/zziz/pwc

使用深度学习进行目标检测

目标检测在深度学习领域普及的十分迅速，这是毋庸置疑的。包括从游戏到监控的大量现实应用支撑起了目标检测的主要研究对象。那么是否有一个一站式的商店可以提供自 2014 年以来的全部顶级目标检测算法？

恭喜你找对地方了！跟上一个 repo 相似，该 repo 中包含了目标检测领域的主要研究论文以及他们的代码实现。而且最棒的一点是，这些代码有多种框架实现的版本，因此无论你是 Tensorflow、Keras、PyTorch 亦或是 Caffe 的用户，均可以从中有所收获。

截止目前，该仓库中已经包含 43 个论文以及相关代码。

github 连接：(https://github.com/hoya012/deep_learning_object_detection)

用 18 分钟训练 ImageNet 模型

没错，如今你本身也能够在 18 分钟内完成模型在 ImageNet 数据库上的训练了！Jeremy Howard 和他的团队，根据流行的 DAWNBench 基准设计了性能超越 Google 的算法。该基准能够测量深度学习模型的训练时间、损耗以及其余方面的指标。

如今你能够在本身的机器上重现这一工做过程。该任务须要使用 Python3.6 或更高版本。

github 连接：[https://github.com/diux-dev/imagenet18]

Pypeline—建立并发数据管道

在大部分的机器学习项目中，数据工程是一个关键步骤。但现在，不少数据科学家都渐渐忽略了这一部分而更注重于更好的建模问题。然而，这并非一个好的作法！一个好的数据科学家须要了解甚至熟悉数据工做流的工做方式，包括 Hadoop、Spark 和 Dask 等等。

听起来有些可怕吗？看一下这个 repo 吧，Pypeline 是一个简单却很是有效的 Python 库，用于建立和发送数据工做流。此 repo 的目的是解决中低级数据任务 (包括并发和并行)，在这些任务中 Spark 也许并不很是适用。

此 repo 包括代码、基准测试、文档和其余资源，可帮助你成为数据管道专家!

github 连接：[https://github.com/cgarciae/pypeln]

人人均可以成为跳舞高手：姿态估计

表情模仿的相关算法相信你们早有耳闻，现在，AI 已经能够根据某段视频中人体的动做在另外一个视频中让目标人物作出相同的动做了。该工做是人体姿态估计领域的最新成果，小编强烈推荐读者阅读 GitHub 原文查看动图，视觉效果很是震撼。

该 repo 中包含了此算法的 PyTorch 实现。此算法能够捕捉和复制的细节很是惊人，读者能够克隆以后测试一下。