'近期七大Github熱門機器學習項目'

讓我們一起來看下近期熱門的機器學習Github倉庫，包括了自然語言處理（NLP）、計算機視覺（CV）與大數據等多個領域。

7月Top機器學習Github項目

No.1 Pytorch-Transformers(NLP)

https://github.com/huggingface/pytorch-transformers

PyTorch-Transformers是最新的一系列最先進的NLP庫。它打敗了之前各種NLP任務的基準。我真正喜歡pytorch-transformers的是它包含PyTorch實現，預訓練模型權重和其他重要組件，可以幫助你快速入門。

你可能會覺得運行復雜的模型需要巨大的計算能力。但是PyTorch-Transformers沒有這個問題，使大多數人都可以建立最優秀的NLP模型。

No.2 NeuralClassifer(NLP)

https://github.com/Tencent/NeuralNLP-NeuralClassifier

文本數據的多標籤分類是一個相當大的挑戰。當我們處理早期的NLP問題時，我們通常會處理單一標籤任務。該級別在實際數據上增加了幾個級別。

在多標籤分類問題中，實例或記錄可以具有多個標籤，並且每個實例的標籤數量不固定。

NeuralClassifier使我們能夠快速實現分層多標籤分類任務的神經模型。NeuralClassifier提供了我們熟悉的各種文本編碼器，如FastText，RCNN，Transformer編碼器等。

我們可以使用NeuralClassifier執行以下分類任務：

• 二進制文本分類
• 多級文本分類
• 多標籤文本分類
• 分層（多標籤）文本分類

No.3 TDEngine（大數據）

https://github.com/taosdata/TDengine

TDengine

TDEngine在上個月的星星數超過了GitHub上所有其他的新項目。在不到一個月的時間內收到了將近10000顆星。

TDEngine是一個用於下列領域的開源大數據平臺：

• 物聯網（IoT）
• 聯網汽車
• 工業物聯網
• IT基礎設施等等。

TDEngine提供了與數據工程相關的一整套任務。我們可以以超快的速度完成所有這些工作（處理查詢速度提高10倍，計算使用率為1/5）。

有一點目前需要注意，TDEngine僅支持在Linux上執行。這個GitHub存儲庫包含了完整的文檔和帶有代碼的入門指南。

No.4 視頻對象刪除（CV）

https://github.com/zllrunning/video-object-removal

您是否操作過圖像數據？用於操作和處理圖像的計算機視覺技術非常先進，其中圖像物體檢測被認為是成為計算機視覺專家的基本步驟。

但是操作視頻會怎麼樣？當我們需要在視頻中的對象周圍繪製邊界框時，難度會提高几個級別。對象的動態特徵使整個概念更加複雜。

所以，當我看到這個GitHub存儲庫時非常高興。我們只需在視頻中的對象周圍繪製一個邊界框即可將它刪除。 真的非常容易！下面是該項目的一個例子：

No.5 Python自動補全（編程）

https://github.com/vpj/python_autocomplete

你會喜歡上這個機器學習項目。作為數據科學家，我們的工作大多數就是圍繞著算法做實驗。這是一個可以自動完成簡單的LSTM模型的Python代碼的項目。

下面灰色突出顯示的代碼是LSTM模型填寫的內容（結果位於圖像的底部）：

正如開發人員所說：

我們在python代碼中刪除註釋、字符串和空行後進行訓練和預測。在對python代碼進行標記化之後訓練模型。它似乎比使用字節對編碼的字符級預測更有效。

如果你曾經花費或浪費時間寫了很差的Python代碼，那麼你可能需要它。它現在處於在非常早期的階段，所以還存在一些問題。

No.6 tfpyth – TensorFlow to PyTorch to TensorFlow(編程)

https://github.com/BlackHC/tfpyth

TensorFlow和PyTorch都擁有強大的用戶社區。但令人難以置信的是PyTorch的使用率可能會在未來一兩年內超越TensorFlow。這不是打擊TensorFlow，而是相當可靠的。

因此，如果你使用TensorFlow編寫了一部分代碼並用PyTorch中編寫了另一部分代碼，並希望將兩者結合起來訓練模型，那麼tfpyth框架非常適合你。tfpyth最好的地方是不需要重寫之前的代碼。

這個GitHub存儲庫包含了一個結構良好的示例，說明了如何使用tfpyth。這絕對是TensorFlow與PyTorch之間的一種新的看法，不是嗎？

安裝tfpyth：

python pip install tfpyth

No.7 MedicalNet

https://github.com/Tencent/MedicalNet

將遷移學習與NLP聯繫起來。當我看到這個精彩的MedicalNet項目時，我感到很激動。

這個GitHub存儲庫包含了“Med3D: Transfer Learning for 3D Medical Image Analysis”論文的PyTorch實現。該機器學習項目將醫學數據集與不同的模態，目標器官和病理進行聚合，以構建相對較大的數據集。

眾所周知，深度學習模型通常需要大量的訓練數據。因此，TenCent發佈的MedicalNet是一個出色的開源項目，我希望很多人能夠繼續在它上面工作。MedicalNet的開發人員已經發布了基於23個數據集的四個預訓練模型。