2月份GitHub上最热门的Python项目：深度学习占半壁江山

源 | 开源最前线     整编 | 猿妹

本篇文章为你们盘点了1月份最热门的Python 项目，本月最热门的开源项目中，深度学习相关的开源项目占据了半壁江山，让咱们一块儿来看下吧！

1
FastPhotoStyle

https://github.com/NVIDIA/FastPhotoStyle 

Star 5978

FastPhotoStyle 是英伟达开源的照片风格转移深度学习算法实现库，给定目标照片和样式参考照片，代码能够将样式照片的风格转换至目标照片，从而生成新的风格化照片。 

FastPhotoStyle 实现过程包含两个步骤：“风格化”和“细调”。 先将样式参考照片源的样式转移至目标照片，随后对其进行细调优化。

2
chinese-poetry

https://github.com/chinese-poetry/chinese-poetry 

Star 6349

最全中华古诗词数据库，唐宋两朝近一万四千古诗人, 接近 5.5 万首唐诗加 26 万宋诗。两宋时期 1564 位词人，21050 首词。为何要作这个仓库？由于这个项目开发者认为古诗是中华民族乃至全世界的瑰宝，咱们应该传承下去，虽然有古典文集，但大多数人并无拥有这些书籍。从某种意义上来讲，这些庞大的文集离咱们是有必定距离的。而电子版方便拷贝，因此此开源数据库诞生了。你能够用此数据作任何有益的事情，甚至我也能够帮助你。

3
deepfake 的深度学习技术 Facewap

https://github.com/deepfakes/faceswap Star 

4009

deepfake 的深度学习技术，这款工具原本的用途是用来识别和交换图片、视频中人物脸部图像的工具 。该项目有多个入口，你须要作的事：

● 收集照片（或使用如下训练数据中提供的照片）

● 从原始照片中提取面部图像

● 在照片上训练模型（或使用如下训练数据中提供的模型）

● 使用模型转换源代码

4
Detectron

https://github.com/facebookresearch/Detectron 

Star 12045

Detectron 是 Facebook AI 研究院（FAIR ）开源的软件系统，实现了最早进的目标检测算法，包括 Mask R-CNN。在 FAIR 实验室，Detectron 目前已经支持不少研究项目的实现，Detectron 的目标是为目标检测研究提供高质量、高性能的代码库。它灵活的特性可支持快速实现和验证新研究。

5
AutoSploit

https://github.com/NullArray/AutoSploit 

Star 2686

一个名为 Vector 的研究人员 2 月份在 GitHub 上发布了这款极具争议的工具， AutoSploit 基于 Python2.7 的脚本，使用 Shodan.io API 自动收集目标，Metasploit 模块有助于实施远程代码执行，并得到逆向 TCP/Shells 或者Metasploit 对话。公开这款工具的代码在信息安全界引发大量关注。大多数信息安全从业人员不由感叹，这款***简直是脚本小子的福音，甚至有人认为彻底能够将 AutoSploit 视为恶意软件。

6
models

https://github.com/tensorflow/models 

Star 28864

一个 Tensorflow 库，里面包含 使用TensorFlow 构建的模型和示例的教程，旨在更好的维护，测试，并与最新的TensorFlow API保持同步最新。

TensorFlow实现模型：https://github.com/tensorflow/models/blob/master/research

TensorFlow教程：https://github.com/tensorflow/models/blob/master/tutorials

7
minigo

https://github.com/tensorflow/minigo 

Star 1759

Minigo 是基于 MuGo 开发的极简版围棋AI引擎，使用 Python 语言、在 TensorFlow 框架实现的基于神经网络的围棋算法。这个项目确实是受到 DeepMind 的 AlphaGo 算法的启发，但 TensorFlow 官方再三强调这个项目不属于 DeepMind，也不是官方正式的 AlphaGo 项目。

8
awesome-python

https://github.com/vinta/awesome-python 

Star 46039

awesome-python 是 vinta 发起维护的 Python 资源列表，内容包括：Web 框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、天然语言处理、机器学习、日志、代码分析等。十分受 Python 开发者的青睐。

9
keras

https://github.com/keras-team/keras 

Star 26028

Keras是一个极简的、高度模块化的神经网络库，采用Python（Python 2.7-3.5.）开发，可以运行在TensorFlow和Theano任一平台，好项目旨在完成深度学习的快速开发。特性：

● 能够快速简单的设计出原型（经过总模块化、极简性、和可扩展性）

● 同时支持卷积网络和循环网络，以及二者的组合

● 支持任意的链接方案(包括多输入和多输出）

● 支持GPU和CPU

10
public-apis

https://github.com/toddmotto/public-apis 

Star 33789

PublicApis：公共API目录大全是一个经过 MaShape 市场整合的世界上最全的 API 接口目录，支持关键词搜索和添加API数据，方便开发者快速的找到本身想要的 API，目已经收录 5321 种 API 接口。

11
wtfpython

https://github.com/satwikkansal/wtfpython 

Star 6135

一组有趣的、微妙的、复杂的 Python 代码片断，这个项目列举了一些代码片断，可能结果和你想到的是不一致的，而且做者会告诉你为何。如混合Tab 和空格：

结果是 10？不是应该 100 么？

其实这种错误的结果的缘由，全部书籍和开发者都说过，就是不要混 Tab 和空格，源代码你能够看项目中的 mixed_tabs_and_spaces.py。

12
awesome-machine-learning

https://github.com/josephmisiti/awesome-machine-learning 

Star 30843

不少程序员都会 GitHub 上有一个 Awesome - XXX 系列的资源整理。每月的热门项目中有不少项目都是这一系列的资源，wesome-machine-learning 就是 josephmisiti 发起维护的机器学习资源列表，内容包括了机器学习领域的框架、库以及软件等。

13
youtube-dl

https://github.com/rg3/youtube-dl 

Star 34331

youtube-dl 是一个用来从YouTube.com 网站上下载视频文件的命令行工具。它采用 Python 开发，运行时须要 Python 的解释环境。支持多个 OS 平台，支持众多视频网站(见附图)国内优酷、土豆、新浪和搜狐，国外 YouTube 等赫然在列。

-END-

转载声明：本文转载自「开源最前线」，搜索「OpenSourceTop」便可关注。