本周Github精選：這12個最新AI開源項目，你一定要收下

來自專欄 PaperWeekly156 人贊了文章

1. Dopamine

#基於TensorFlow的強化學習框架

Dopamine 是一款快速實現強化學習演算法原型的研究框架，基於 TensorFlow 實現，旨在為研究人員提供一種簡單易用的實驗環境，能夠滿足用戶對小型、便於訪問的代碼庫的需求，用戶可以很方便地構建實驗去驗證自身在研究過程中的想法。

項目鏈接：https://github.com/google/dopamine

2. TransmogrifAI

#用於結構化數據的端到端AutoML庫

TransmogrifAI 是一個基於 Scala 編寫、運行在 Spark 上的 AutoML 庫，由 Salesforce 開源。本項目旨在通過自動機器學習技術幫助開發者加速產品化進程，只需幾行代碼，便能自動完成數據清理、特徵工程和模型選擇，然後訓練出一個高性能模型，進行進一步探索和迭代。

關於 AutoML：https://zhuanlan.zhihu.com/p/43421202

項目鏈接：https://github.com/salesforce/TransmogrifAI

3. OpenNRE

#神經網路關係抽取工具包

OpenNRE 是一個基於 TensorFlow 的神經網路關係抽取工具包，由清華大學計算機系劉知遠老師組開源。本項目將關係抽取分為四個步驟：Embedding、Encoder、Selector 和 Classifier。

項目鏈接：https://github.com/thunlp/OpenNRE

4. TensorFlow Model Analysis

#TensorFlow模型分析開源庫

TFMA 是一個來自 Google 的開源庫，用於幫助 TensorFlow 用戶對所訓練模型進行分析。用戶可以使用 Trainer 里定義的指標，以分散式方式評估大量數據的模型。這些指標可在不同的數據片段上進行計算，並在 Jupyter Notebooks 里實現結果可視化。

項目鏈接：https://github.com/tensorflow/model-analysis

5. GraphPipe

#通用深度學習模型部署框架

GraphPipe 是由甲骨文公司開源的通用深度學習模型部署框架，旨在幫助用戶簡化機器學習模型部署，並將其從特定框架的模型實現中解放出來的協議和軟體集合。GraphPine 可提供跨深度學習框架的模型通用 API、開箱即用的部署方案以及強大的性能，目前已支持 TensorFlow、PyTorch、MXNet、CNTK 和 Caffe2 等框架。

項目鏈接：https://github.com/oracle/graphpipe

6. ONNX Model Zoo

#通用深度學習預訓練模型集合

本項目彙集了當前最優的各類深度學習預訓練模型，模型均為由 Facebook 和微軟推出的 ONNX (Open Neural Network Exchange) 格式，該格式可使模型在不同框架之間進行遷移。每個模型均有對應的 Jupyter Notebook，包含模型訓練、運行推理、數據集和參考文獻等信息。

項目鏈接：https://github.com/onnx/models

7. 基於深度學習106點人臉標定演算法

#良心級開源人臉標定演算法

良心級開源人臉標定演算法，包含人臉美顏、美妝、配合式活體檢測和人臉校準的預處理步驟。該項目 Windows 工程基於傳統的 SDM 演算法，通過修改開源代碼，精簡保留測試部分代碼，優化代碼結構。Android 代碼基於深度學習，我們設計了高效的網路模型，該模型魯棒性較好，支持多人臉跟蹤。目前深度學習演算法在人臉標定方向取得了良好的效果，該項目旨在提供一種較為簡單易用的實現方式。

項目特點：

• 106 點，人臉輪廓描述更加細膩
• 準確度高，逆光、暗光情況下依然可以取得良好的標定效果
• 模型小，跟蹤模型 2 MB 左右，非常適合移動端集成
• 速度快，Android 平台代碼在 Qualcomm 820 (st)，單張人臉 7ms
• 增加多人臉跟蹤

項目鏈接：https://github.com/zeusees/HyperLandmark

8. MagNet

#基於PyTorch的深度學習API

MagNet 是一個基於 PyTorch 封裝的高級深度學習 API，旨在減少開發者的模板代碼、提高深度學習項目開發效率。

項目鏈接：https://github.com/MagNet-DL/magnet

9. NLP.js

#基於Node.js的通用NLP工具包

NLP.js 是一個基於 Node.js 的通用自然語言處理工具包，目前支持分詞、詞幹抽取，情感分析，命名實體識別，文本分類，文本生成等多種任務。

項目鏈接：https://github.com/axa-group/nlp.js

10. Texar

#基於TensorFlow的文本生成工具包

Texar 是一個基於 TensorFlow 的文本生成工具包，支持機器翻譯、對話系統、文本摘要、語言模型等任務。Texar 專為研究人員和從業人員設計，用於快速原型設計和實驗。

項目鏈接：https://github.com/asyml/texar

11. Evolute

#簡單易用的進化演算法框架

Evolute 是一個簡單易用的進化演算法框架，定義了個體、種群等基礎結構體，並且實現了進化演算法中常見的運算元 Selection、Reproduction、Mutation、Update。

項目鏈接：https://github.com/csxeba/evolute

12. Task-Oriented Dialogue Dataset Survey

#任務驅動對話數據集合輯

本項目是一個任務驅動對話數據集合輯，彙集了包含 Dialog bAbI、Stanford Dialog、靈犀數據、DSTC-2、CamRest676 和 DSTC4 等多個經典任務驅動對話系統的研究數據集。

項目鏈接：https://github.com/AtmaHou/Task-Oriented-Dialogue-Dataset-Survey

#投 稿 通 道#

如何才能讓更多的優質內容以更短路徑到達讀者群體，縮短讀者尋找優質內容的成本呢？ 答案就是：你不認識的人。

總有一些你不認識的人，知道你想知道的東西。PaperWeekly 或許可以成為一座橋樑，促使不同背景、不同方向的學者和學術靈感相互碰撞，迸發出更多的可能性。

PaperWeekly 鼓勵高校實驗室或個人，在我們的平台上分享各類優質內容，可以是最新論文解讀，也可以是學習心得或技術乾貨。我們的目的只有一個，讓知識真正流動起來。

?? 來稿標準：

? 稿件確系個人原創作品，來稿需註明作者個人信息（姓名+學校/工作單位+學歷/職位+研究方向）

? 如果文章並非首發，請在投稿時提醒並附上所有已發布鏈接

? PaperWeekly 默認每篇文章都是首發，均會添加「原創」標誌

?? 投稿方式：

? 方法一：在PaperWeekly知乎專欄頁面點擊「投稿」，即可遞交文章

? 方法二：發送郵件至：hr@paperweekly.site ，所有文章配圖，請單獨在附件中發送

? 請留下即時聯繫方式（微信或手機），以便我們在編輯發布時和作者溝通

關於PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平台。如果你研究或從事 AI 領域，歡迎在公眾號後台點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

加入社區：http://paperweek.ly

微信公眾號：PaperWeekly

新浪微博：@PaperWeekly

推薦閱讀：