3月份Github上最热门的数据科学和机器学习项目TOP7

策划 & 编辑 | Natalie

译者 | 安翔

编辑 | Emily

AI 前线导读：在 GitHub 上，不只能够学习不一样领域的开发技术，还能够参与多个开源项目。几乎全部的科技公司，乃至谷歌和 Facebook，都会在 GitHub 上传他们的开源项目代码，不少的机器学习编程社区都从这些开源项目中获益。

若是你平日太过繁忙，无暇在 GitHub 上去搜寻那些优秀的开源项目，那么正好，本文将为你汇总出 3 月份最热门的项目。你能够阅读这些项目来更新你的知识库，固然也能够将这些开源代码借鉴到本身的项目中。

更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front）

这份榜单包含了一些很是棒的代码库。好比谷歌大脑的 AstroNet，又如人工智能神经网络可视化工具，咱们汇总了多个强大的开源项目，相信它们可以帮助你扩展本身在机器学习领域的视野。

准备好了吗？让咱们一块儿来看看 3 月份的 Top7 开源项目吧！

更多阅读：

一月份的 Top5 榜单 （https://www.analyticsvidhya.com/blog/2018/02/top-5-github-repositories-january-2018）

二月份的 Top5 榜单（https://www.analyticsvidhya.com/blog/2018/03/top-5-github-repositories-february-2018/）可参见 AI 前线往期报道：2018 年 2 月份 Github 上最热门的数据科学和机器学习项目

Person Blocker

开源项目地址：https://github.com/minimaxir/person-blocker

Person Blocker 是一个 Python 库，它可使用预先训练好的神经网络自动屏蔽掉图像中全部的人。它的核心算法采用 Mask R-CNN，而且在 MSCOCO 数据集上预先进行了训练。你知道更棒的是什么吗？实际上，它甚至都不须要用到 GPU！

这套算法可以屏蔽遮挡的并不只限于人，实际上它能够屏蔽 全部对象。它可以识别 80 种不一样类型的物体，包括车辆、小动物、电子产品，等等。

若是想要更多了解这个库，你能够阅读 Analytics Vidhya 的博客（https://www.analyticsvidhya.com/blog/2018/04/person-blocker-is-a-python-script-that-blocks-out-people-from-images/）。

AstroNet 

开源项目地址：https://github.com/tensorflow/models/tree/master/research/astronet

AstroNet 是用来处理天文数据的深层神经网络模型。早在 2017 年 12 月，谷歌大脑团队曾透露他们经过 AstroNet 发现了 2 颗新行星。这是一个巨大的发现，它展现了机器学习在当今世界的深远影响力。

现在，谷歌大脑已经发布了该技术相关的所有代码，任何人均可以使用。该模型基于卷积神经网络（CNN）构建 。

更多阅读：

AVBytes 上关于 AstroNet 的文章（https://www.analyticsvidhya.com/blog/2018/03/google-has-made-the-code-for-astronet-available-for-everyone/）。

ANN Visualizer

开源项目地址：https://github.com/Prodicode/ann-visualizer

ANN Visualizer 一样是一个 Python 库，它让咱们仅用一行代码便可实现人工智能神经网络。它一般与 Keras 一块儿使用，并利用 Python 的'graphviz'库来构建出一幅整洁炫酷的神经网络图。

关于 ANN Visualizer，想要了解更多能够访问：https://www.analyticsvidhya.com/blog/2018/04/python-library-visualizes-artificial-neural-networks/。

Fast Pandas

开源项目地址：https://github.com/mm-mansour/Fast-Pandas

即使是 Python 新手也能快速体会到 Pandas 这个库的灵活性和强大的功能。做为一名数据科学家，你经常须要足够的灵活性而且可以针对不一样问题想出应对之策。针对如此情形，Fast Pandas 正好能够提供多个实用方案。

这是一个很是有用的库，强烈建议你们尝试。

TensorFlow.js



开源项目地址：https://github.com/tensorflow/tfjs

使用 TensorFlow.js 这个开源库，你能够经过 JavaScript 调用 API 的方法在 Web 浏览器中训练和构建机器学习模型。若是你熟悉 Keras，那么更上层的 API 对你来讲彻底不在话下。

它可用 GPU 加速，并自动支持 WebGL。你能够导入预先训练好的已有模型，也能够在浏览器中对这些机器学习模型从新进行训练。

阅读更多：

https://www.analyticsvidhya.com/blog/2018/04/tensorflow-js-build-machine-learning-models-javascript/。

Caffe64



开源项目地址：https://github.com/dfouhey/caffe64

Caffe64 是一个简单小巧但功能很是强大的神经网络库。众所周知，神经网络库的安装大多都比较复杂。而 Caffe64 简化了这一切，根据其开发人员的说法，Caffe64 是最容易编译且最轻量级的神经网络库。

使用 Caffe64，相信你能体会到它的美好！

TensorFlow Hub

开源项目地址：https://github.com/tensorflow/hub

TensorFlow Hub 这个库主要用于促进机器学习模型可重用部分的发布、发现和使用。特别是它还提供了模块，这些模块是预先训练好的 TensorFlow 模型，能够在新任务上重复使用。经过在相关任务上从新使用模块，你能够：

• 用较小的数据集来训练模型

• 改进泛化

• 大大加快训练速度

你之前使用过这些开源项目吗？有没有本身的使用心得？若是有，欢迎评论分享！

阅读原文

https://www.analyticsvidhya.com/blog/2018/04/top-7-github-repositories-march-2018/