GitHub上Star量最高的5个机器学习项目

国内新闻 阅读(1858)

11: 46

来源:同步机器的心脏

GitHub上具有最高Star容量的5个机器学习项目

来自朝向科学

作者:Rishi Sidhu

机器的核心编译

参与:Nurhachu Null,Geek AI

本文介绍了GitHub上五个最强大的机器学习项目,包括人脸识别,文本处理,机器学习框架等。

机器学习领域正在迅速发展。 GitHub是世界知名的白板,通常在这款巧妙的白板上发布高质量的代码。

显然,我们无法跟踪机器学习世界中的所有内容,但GitHub上的每个项目都有自己的星形量。也就是说,如果您为仓库加注星标,则意味着您欣赏该项目并跟踪您感兴趣的仓库。

星数可以作为最有趣项目的重要指标。本文介绍了机器学习领域中星数最多的五个项目。

面部识别:

GitHub地址:

这是世界上最简洁的人脸识别工具。它为Python和命令行提供了一个应用程序编程接口(API),用于识别和操作图像中的面。它采用Dlib最先进的人脸识别算法构建,在LFW(野外标记面)数据集上实现了99.38%的准确率。

它还提供了face_recognition命令行工具,它允许您在包含图像的文件夹中使用命令行进行面部识别!

20f51f92b200480981e92a8cecf5e42c.jpeg

该库还可以处理实时人脸识别。

954321a8be1c448084da975f21d5f591.gif

fastText:

GitHub地址:

fastText是由Facebook团队开发的免费开源库,用于高效的单词表征学习。它是轻量级的,允许用户学习文本表征和句子分类器。它可以在标准通用硬件上运行,甚至可以压缩模型以适应移动设备的大小。

文本分类是许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。文本分类的目标是为文档分配多个?啾穑绲缱佑始┛停绦牛菲缆鄣取?

a148084564ea4ff28ad551893147dd71.jpeg

Alterra.ai)

对于自然语言处理(NLP)爱好者来说,这是一个非常有用的工具。

0bb155e4c25240d1af8ef2b2a63c167b.png

()

令人敬畏的TensorFlow:

GitHub地址:

这是一组资源,可帮助您了解和使用TensorFlow。 repo包含一系列资源,例如伟大的TensorFlow实验,库和项目。

TensorFlow是由谷歌开发的端到端开源机器学习平台。它拥有全面的工具,图书馆和社区资源生态系统,使研究人员能够创建最先进的机器学习算法。使用TensorFlow,开发人员可以轻松构建和部署机器驱动的应用程序。

f17924098f33449c85b9ba1ed8c9806e.png

Apache预测

GitHub地址:

Apache PredictionIO是面向开发人员,数据科学家和最终用户的开源机器学习框架。用户可以使用此框架构建真正的机器学习应用程序并部署和测试它们。

它甚至支持事件收集,评估和查询预测。它基于可扩展的开源服务,如Hadoop,HBase等。

在机器学习方面,该工具可以减轻开发人员的思维负担。

9543c081f55d47e1a2c39da9c1ec3dcb.png

Style2Paints:9860

GitHub地址:

回购与之前的4有点不同,由于缺乏资金而被关闭!使用AI绘制图像真是一个有趣的想法。

名为Style2paints V4的创建者是目前最好的AI线绘图工具。

艺术的系统。许多艺术家都熟悉这个过程。

草图 - >颜色填充/平整度 - >渐变/细节添加 - >阴影处理

Style2Paints是根据这个过程设计的。只需单击两次,该过程就会将下面图像中最左边的图像转换为中间图像。

cbe2e0416ecf44deb88d69b4a02356bd.jpeg

只需单击4次,您将看到以下图像:

085d2aa5aef34cb58b67f90b20c5af0a.jpeg

仅提供信息存储空间服务。

GitHub的

机器学习

地图来源

命令行

机器

读取()。