Топ-10 проектов по машинному обучению на GitHub

15 августа 2016, 13:11

Машинное обучение стало одним из главных трендов в ИТ-мире в последний год. Один из пользователей GitHub составил рейтинг наиболее популярных репозиториев по теме машинного обучения на основе количества «звёзд» у каждого из проектов. dev.by отобрал топ-10 из них.

Читать далее

Иллюстрация: datafloq.com

1. Tensorflow

TensorFlow — открытая библиотека для численных расчётов с помощью информационных потоковых графов, о которой мы уже писали.

Изначально TensorFlow разработали исследователи и инженеры команды Google Brain вместе с командой машинного интеллекта Google. Цель проекта — проведение исследований в области машинного обучения и глубоких нейронных сетей. Ключевым преимуществом (и причиной успеха) TensorFlow является комплексность, которая позволяет использовать его в самых разных сферах.

2. Caffe

Caffe — фреймворк глубокого машинного обучения, для которого характерны выразительность, скорость и модульность. Он разработан в Калифорнийском университете в Беркли и поддерживается контрибуторами сформировавшегося сообщества.

3. Neural Style

Этот проект — образцовая реализация научной работы «Нейронный алгоритмы художественного стиля». Исследованием предложен алгоритм для объединения одного изображения со стилем другого с использованием свёрточных нейронных сетей. Ниже — пример того, как Neural Style переносит художественный стиль картины «Звёздная ночь» на ночную фотографию Стэнфордского кампуса.

4. Deep Dream

Репозиторий включает в себя IPython Notebook с примерами кода, дополняющими публикацию в блоге Google Research, посвящённую искусству и нейронным сетям.

Разработчики призывают всех заинтересовавшихся выкладывать изображения, полученные с использованием этой техники, с тегом #deepdream — чтобы участники сообщества могли сравнивать результаты.

5. Keras

Keras — минималистичная, разбитая на небольшие совместимые модули Python-библиотека, работающая на основе TensorFlow или Theano. Цель её создания — сделать возможным быстрые экспериментальные вычисления. Возможность пройти от идеи к результату кратчайшим путём — ключ к проведению качественного исследования.

6. Roc AlphaGo

Изначально этот проект назывался AlphaGo, но был переименован для того, чтобы прояснить отсутствие связи c оригинальной разработкой от DeepMind, впервые обыгравшей человека в игру Go. Roc AlphaGo — студенческая разработка, сфокусированная на тренировке нейронных сетей.

7. TensorFlow Models

Репозиторий, в котором собраны модели машинного обучения, созданные в TensorFlow. Каждая модель имеет своего автора, который следит за жизнью своего детища.

8. Neural Doodle

Реализация работы Semantic Style Transfer, основанная на алгоритме нейронных заплаток (Neural Patches Algorythm). Вы сможете использовать навыки глубокой нейронной сети для того, чтобы на время получить «навыки» художника и создать собственную картину. Проект генерирует новую иллюстрацию на основе от 1 до 4 входящих изображений, в зависимости от поставленной цели. Алгоритм перенимает стиль картинки, указанной в качестве примера, и переносит его на итоговый графический файл. К примеру, быстрый скетч в Paint может быть превращён в картину в стиле любимого художника.

9. CNTK

Computational Network Toolkit — набор инструментов для вычислительных сетей от Microsoft Research. В нём краевые узлы представляют входные значения параметров сети, в то время как другие узлы — матричные операции по отношению к входящей информации. Этот весьма мощный инструмент доступен под лицензией open-source с апреля 2015 года, однако пока не стал таким популярным, как лидеры рейтинга.

10. TensorFlow Examples

Ещё один репозиторий, посвящённый TensorFlow. На этот раз речь про туториал, в котором собраны популярные алгоритмы внедрения машинного обучения. С его помощью можно получить достаточное представление о работе TensorFlow через многочисленные примеры, включающие в себя описание и код с комментариями.

Обсуждение