Github上评分最高的5个项目，带你紧跟潮流

jinglichao988

全文共1665字，预计学习时长3分钟

图片来源： Morgan Harper Nichols/Unsplash



毫无疑问，紧跟机器学习世界中所发生的一切是不可能的，然而，Guithub对每个项目都有星级评分。给一个知识库打上星号就等同于欣赏并追踪感兴趣的知识库。


Guithub的博客



这个星级评分是衡量项目关注度的一项标准，本文列举了排名前五的项目。
1. face-recognition——25,858 ★
传送门：https://github.com/ageitgey/face_recognition


它是世界上最简单的面部识别技术，为Python和命令行提供了应用程序编程接口（API），对识别和处理图像中的人脸极其有用。该工具使用了dlib最前沿的人脸识别算法，其深度学习模型对Labeled Faces in the Wild数据集中的人脸标识正确率高达99.38%。


同时，它还提供了face_recognition这一简单的人脸识别命令行工具，可以在命令行本身的图像文件夹上进行人脸识别。


该项目还可进行实时人脸识别。




2. fastText by FacebookResearch——18,819 ★
传送门：https://github.com/facebookresearch/fastText


fastText是由Facebook团队为高效学习文本表征而开发的一个免费的开源库。它是轻量级的且允许用户学习文本表征和句子分类，适用于标准的通用硬件。该模型还可以缩小至适合移动设备的尺寸。


文本分类是众多应用程序的核心问题，例如垃圾邮件检测、情绪分析或智能回复等。文本分类的目的是将文本（如电子邮件、帖子、短信、产品评论等）划分为多个类别。


词汇分类的例子 来源：Alterra.ai


对自然语言处理爱好者来说，这是一个非常实用的资源。


fastText


3. awesome-tensorflow — 14,424★


这是一组有助于理解和使用TensorFlow的资源，Guithub知识库包含了一系列精彩的TensorFlow实例、函数库和项目。


TensorFlow 是由 Google 设计的端到端机器学习开源平台。它拥有非常全面的工具，库和社区资源，让研究人员创建最先进的机器学习应用程序。通过使用 TensorFlow，开发人员可轻松构建和部署由机器学习驱动的应用程序。
Tensorflow



4. predictionio by Apache — 11852 ★


Apache Prediction IO 是面向开发人员、数据科学家和用户的开源机器学习框架。用户可以使用该框架构建真实的机器学习应用程序，并进行部署和测试。


该框架支持事件收集，评估和查询预测结果。此外，它基于如 Hadoop、HBase 等的可扩展开源服务。


就机器学习而言，它本质上减轻了开发人员的负担。
PredictionIO



5. Style2Paints — 9184 ★


该项目与上述所有项目稍有不同，它由于缺乏资金而被关闭了。但该项目提出了一个非常有趣的概念，用人工智能给图像着色。


该项目声称 Style2paints V4 是当前最好的人工智能驱动的线条艺术着色工具。


不同于以往端到端、图像到图像的转换方法，它是第一个在真实人类工作流程中给线条艺术着色的系统，大多数人类艺术家都熟悉这个工作流程：


草绘 - > 颜色填充/展平 - > 渐变/细节添加 - > 阴影


Style2Paints就是根据上述流程设计的。只需单击两次，该流程就可以从最左边的图像生成中间图像。
Style2Paints



再单击四次，就可以得到下方的图片。


互联网是一片汪洋，机器学习是流入的河流，而 Github 上的星级评分则是引导我们在这条河流中找寻到奇珍异宝的指路明灯。


留言 点赞 关注
我们一起分享AI学习与发展的干货
编译组：温媛、杨敏迎
相关链接：
https://towardsdatascience.com/highest-rated-ml-projects-on-github-694486293512
如需转载，请后台留言，遵守转载规范

第一个，其实不太行

可惜不是java，但我些问题想问问：怎么移植到单片机用

开源宝藏

看不懂