10 свежих open source проектов по машинному обучению

Редакция Библиотеки программиста подготовила подборку интересных и популярных проектов по машинному обучению, которые вдохновят вас.

Обзор проектов по машинному обучению начнем, как обычно, с тематических курсов, которые помогут подтянуть «хвосты» и вспомнить забытое.

• Изучение Python для работы с Data Science и машинным обучением.
• Глубокое обучение: Сверточные нейронные сети на Python.

1. Autokeras

Опенсорсная библиотека для автоматизированного машинного обучения (AutoML). Основная цель – предоставление инструментов глубокого обучения экспертам Data Science и машинного обучения. Auto-Keras предоставляет функции автоматического поиска архитектуры и гиперпараметров моделей deep learning.

2. Glow

Имя продукта расшифровывается, как генеративный поток с обратимыми  1?1 свертками. Для правильной работы потребуется наличие Tensorflow и Horovod.

3. vid2vid

Реализация Pytorch для работы с видео высокого разрешения (например, 2048?1024) и перевода его в фотореалистичный формат. ПО может быть использовано для превращения семантических меток в photo-realistic-videos, генерации человеческих движений, поз и т. д.

4. UnsupervisedMT

Этот репозиторий содержит оригинальную реализацию моделей PBSMT и NMT, представленных в исследовании университета Cornell.

5. dancenet

Интересный танцевальный AI-генератор, созданный при помощи Variational Autoencoder, LSTM и Mixture Density Network.

6. soccerontable

Библиотека, позволяющая конвертировать ролики с футболом из YouTube в видео для просмотра на AR/VR устройствах и дает возможность наслаждаться игрой на обеденном столе.

7. artificial-adversary

Этот софт позволяет создавать тексты и моделировать атаки на модели машинного обучения. Предоставив свою модель этим текстам в автономном режиме, вы сможете лучше подготовиться к ним, когда столкнетесь с ними в реальном времени.

8. stt-benchmark

Данный фреймворк был разработан компанией Picovoice, как дополнение к движку Cheetah, который трансформирует голос в текст. ПО обладает минималистичной и расширяемой структурой. Область применения – бенчмаркинг различных движков преобразования речи в текст.

9. sg2im

Граф сцены – это структурированное представление визуальной сцены, где узлы представляют объекты в кадре, а ребра – отношения между объектами. В качестве разъяснения приводится модель сквозной нейронной сети, принимающей на вход граф сцены, а на выходе генерирует изображение.

10. GANimation

Это очень занимательный проект, позволяющий создать анатомическую анимацию лица из одного изображения. В работе используется новая GAN-схема, основанная на Action Units. Она описывает в цикле анатомические движения лица, определяющие эмоции человека.

Источник: medium.mybridge.co

Комментарии: