年度大盘点：机器学习开源项目及框架

摘要： 2018年立刻就要结束了，咱们来回顾一下过去的这一年中，机器学习领域有哪些有趣的事情吧！

咱们先来看看Mybridge AI 中排名靠前的顶级开源项目，再聊聊机器学习今年都有哪些发展，最后探寻下新的一年中会有哪些有值得咱们期待的事情。

顶级的开源项目

BERT

BERT，全称为Bidirectional Encoder Representations from Transformers，是一种基于TensorFlow解决天然语言处理的新方法，且性能更好。咱们可使用BERT中的 预训练模型解决问题，该模型在性能上具备很大优点，好比能够识别句子中的上下文。在Github中很是受欢迎，有8848个星，完整学术论文请访问这里。

DeepCreamPy

DeepCreamPy是一个深度学习工具，能够像Photoshop同样重建图像中被删除的区域。咱们使用图像编辑工具（好比PS）将删减的区域填充为绿色，神经网络能够对其进行复原。该项目在Github中有6365颗星。

TRFL

TRFL项目可用于编写TensorFlow中的强化学习代理，具体的操做文档在这里。

Horizon

Horizon是一个基于PyTorch构建的强化学习平台，并使用Caffe2为模型提供服务。Horizon的主要优点在于，设计者在设计这一平台的时候，考虑了生产用例。想要了解更多详细内容，请查看Facebook Research官方文档。另外，若是你想使用Horizon，可查看该使用文档。

DeOldify

DeOldify是一个用于着色和恢复旧图像的深度学习库。开发者结合了几种不一样的方法，来实现这一目标，其中的几种方法包括：带自注意力机制的生成对抗网络（Self-Attention Generative Adversarial Networks），Progressive Growing of GANs，以及TTUR（ Two Time-Scale Update Rule）。

AdaNet

AdaNet是一个基于TensorFlow的库，它能够自动学习模型，且不须要不少的技术人员参与，该项目基于AdaNet算法。访问AdaNet的官方文档，请点击这里。

Graph Nets

Graph Nets是用于构建Sonnet和TensorFlow的DeepMind库。Graph 网络输入一个图形，输出也是一个图形。

Maskrcnn-benchmark

Maskrcnn-benchmark项目能够帮助咱们在Pytorch中构建对象检测和分割工具。这个库的优点在于速度快、内存效率高，能够进行多个GPU训练和推断，且为推断提供CPU支持。

PocketFlow

PocketFlow项目是一个加速和压缩深度学习模型的框架。它解决了大多数深度学习模型的计算费用问题。该项目最初由腾讯AI实验室的研究人员开发，了解其实现及官方文档请点击这里。

MAMEToolkit

MAMEToolKit是一个训练街机游戏强化学习算法的库，使用该工具能够跟踪游戏状态，同时也能够接收游戏帧数据。

机器学习框架的主要发展

PyTorch 1.0

在今年10月份举办的PyTorch会议期间，Facebook发布了PyTorch 1.0预览版。PyTorch 1.0解决了如下问题：训练耗时长、联网问题、缓慢的可扩展性以及Python编程语言带来的一些不灵活性。

PyTorch 1.0引入了一组编译工具Torch.jit，这将弥补生产和研究之间的差距。Torch.jit中包含Python中的Torch Script语言，在PyTorch 1.0中，咱们可使用图形模式构建模型，这在开发高性能和低延迟的应用程序中很是有用。

Auto-Keras

你或许听过自动化机器学习（automated machine learning），即自动化搜索机器学习模型的最佳参数。除Auto-Keras以外，还有其余的自动化机器学习模型，好比Google的AutoML。Auto-Keras是基于Keras和ENAS编写的，其中，ENAS是神经网络结构搜索的最新版本。

TensorFlow Serving

使用TensorFlow Serving系统，咱们能更加轻松的将TensorFlow模型部署到生产环境中。虽然TensorFlow Serving在2017年就已经发布，可是今年更加注重将模型应用到生产环境环节。

Machine Learning Javascript

如今已经有一些能够容许开发人员在浏览器上运行模型的Javascript框架，好比TensorFlow.js和Keras.js。其模型实现与使用的方法，与Keras或TensorFlow等常规框架很是类似。

展望将来

2019年立刻就要到了，随着Auto-Keras等自动化工具的发展，开发人员的工做有望变得更加轻松。除此之外，咱们还拥有先进的研究以及优秀的社区，各种机器学习框架的性能还会更上一层楼。

---

本文做者：【方向】

阅读原文

本文为云栖社区原创内容，未经容许不得转载。