[[242968]]

#基于TensorFlow的強化學(xué)習(xí)框架

Dopamine 是一款快速實現(xiàn)強化學(xué)習(xí)算法原型的研究框架，基于TensorFlow 實現(xiàn) ，旨在為研究人員提供一種簡單易用的實驗環(huán)境，能夠滿足用戶對小型、便于訪問的代碼庫的需求，用戶可以很方便地構(gòu)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

TransmogrifAI

#用于結(jié)構(gòu)化數(shù)據(jù)的端到端AutoML庫

TransmogrifAI 是一個基于 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(xué)習(xí)技術(shù)幫助開發(fā)者加速產(chǎn)品化進程，只需幾行代碼，便能自動完成數(shù)據(jù)清理、特征工程和模型選擇，然后訓(xùn)練出一個高性能模型，進行進一步探索和迭代。

關(guān)于 AutoML： 神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索（NAS）綜述 | 附AutoML資料推薦

項目鏈接

https://github.com/salesforce/TransmogrifAI

OpenNRE

#神經(jīng)網(wǎng)絡(luò)關(guān)系抽取工具包

OpenNRE 是一個基于TensorFlow 的神經(jīng)網(wǎng)絡(luò)關(guān)系抽取工具包，由清華大學(xué)計算機系劉知遠老師組開源。 本項目將關(guān)系抽取分為四個步驟：Embedding、Encoder、Selector 和 Classifier。

項目鏈接

https://github.com/thunlp/OpenNRE

TFMA 是一個來自 Google 的開源庫，用于幫助TensorFlow 用戶對所訓(xùn)練模型進行分析。 用戶可以使用 Trainer 里定義的指標，以分布式方式評估大量數(shù)據(jù)的模型。這些指標可在不同的數(shù)據(jù)片段上進行計算，并在 Jupyter Notebooks 里實現(xiàn)結(jié)果可視化。

項目鏈接

https://github.com/tensorflow/model-analysis

#通用深度學(xué)習(xí)模型部署框架

GraphPipe 是由甲骨文公司開源的通用深度學(xué)習(xí)模型部署框架 ，旨在幫助用戶簡化機器學(xué)習(xí)模型部署，并將其從特定框架的模型實現(xiàn)中解放出來的協(xié)議和軟件集合。 GraphPine 可提供跨深度學(xué)習(xí)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

本項目匯集了當(dāng)前***的各類深度學(xué)習(xí)預(yù)訓(xùn)練模型，模型均為由 Facebook 和微軟推出的 ONNX (OpenNeural NetworkExchange) 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(yīng)的 Jupyter Notebook，包含模型訓(xùn)練、運行推理、數(shù)據(jù)集和參考文獻等信息。

項目鏈接

https://github.com/onnx/models

基于深度學(xué)習(xí)106點人臉標定算法

#良心級開源人臉標定算法

良心級開源人臉標定算法，包含人臉美顏、美妝、配合式活體檢測和人臉校準的預(yù)處理步驟。該項目 Windows 工程基于傳統(tǒng)的 SDM 算法，通過修改開源代碼，精簡保留測試部分代碼，優(yōu)化代碼結(jié)構(gòu)。Android 代碼基于深度學(xué)習(xí)，我們設(shè)計了高效的網(wǎng)絡(luò)模型，該模型魯棒性較好，支持多人臉跟蹤。 目前深度學(xué)習(xí)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(xiàn)方式。

[[242989]]