在過去的一個月裡，我們將近250個機器學習開源專案排名，選出前10。

在此期間，我們將專案與新的或主要版本進行了比較。Mybridge AI根據各種因素對專案進行排名，以衡量專業人員的質量。

所有專案在Github上平均評星為919

主題：Auto Keras，Glow，Video to Video，機器翻譯，舞蹈生成器，足球影片轉換到3D，垃圾郵件過濾，語音識別，影象生成，面部操作

1.Auto Keras

一個用於自動機器學習的開源軟體庫。由Texas A＆M大學的DATA實驗室和社群貢獻者開發。AutoML的最終目標是為具有有限資料科學或機器學習背景的領域專家提供易於訪問的深度學習工具。Auto Keras提供自動搜尋深度學習模型的架構和超引數的功能。

Github評星2637。

2.Glow

一種使用可逆1×1卷積的可逆生成模型。它擴充套件了以前的工作可逆生成模型，簡化架構。我們的模型可以生成逼真的高解析度影象，支援高效取樣，並發現可用於操縱資料屬性的功能。由OpenAI提供。

Github評星1664。

3.Vid2vid

Pytorch實現了高解析度（例如，2048×1024）的逼真的影片到影片轉換。它可用於將語義標籤貼圖轉換為照片般逼真的影片。由NVIDIA AI提供。

Github評星1797。

4.UnsupervisedMT

該儲存庫包含在基於短語和神經無監督機器翻譯（EMNLP 2018）中呈現的無監督PBSMT和NMT模型的原始實現。由Facebook Research提供。

Github評星409。

5.DanceNet

使用自動編碼器，LSTM和混合密度網路的舞蹈發生器。由Jaison Saji提供。

Github評星282。

6.Soccerontable

將YouTube足球影片轉換為3D格式以便在AR / VR裝置中觀看。使用OpenCV在桌面上顯示。由Konstantinos Rematas提供。

Github評星247。

7.Artificial-adversary

該庫允許使用者使用相似的外觀替換字元，刪除或新增標點符號和間距，以及用文字交換字母等方法生成文字，並在您的機器學習模型上模擬這些型別的攻擊。透過離線將模型暴露給這些文字，當你在線上設定中遇到它們時，你將能夠更好地為它們做好準備。與其他庫相比，這個庫的不同之處在於它將模型視為黑盒子，並且僅使用不依賴於模型本身知識的通用攻擊。由AirbnbEng提供。

Github評星155。

8.Stt-benchmark

這是一個用於對不同語音到文字引擎進行基準測試的極簡主義和可擴充套件框架。它已經在Ubuntu 18。04上用Python3。6開發和測試。由Picovoice提供。

Github評星294。

9.Sg2im

這是“從場景圖生成影象”的程式碼。場景圖是視覺場景的結構化表示，其中節點表示場景中的物件，邊表示物件之間的關係。由谷歌開源提供。

Github評星670。

10.GANimation

在這項工作中引入了一種基於動作單元（AU）註釋的新型GAN調節方案，該方案在連續流形中描述了定義人類表達的解剖學面部運動。此方法允許控制每個AU的啟用幅度並將它們中的幾個進行組合。由Albert Pumarola提供。

Github評星344。

獲取專案原始碼，請點選原文連結：

2018年8月機器學習Github開源專案TOP 10

本文為ATYUN（

http：//www。

atyun。com

）編譯作品，ATYUN專注

人工智慧

。