為了挑選出2019年最好的開源項目，最近某位Medium網(wǎng)友整理了2019年Reddit機器學(xué)習(xí)板塊熱門高贊項目資源匯總，一起來看看都有哪些項目上榜：

1. 無監(jiān)督圖到圖的轉(zhuǎn)換(913贊)

英偉達的研究科學(xué)家劉洺堉等人，發(fā)明了一個稱為 FUNIT (Few-shot Unsupervised Image-to-image Translation)的小樣本非監(jiān)督圖像轉(zhuǎn)換模型，只需少量樣本(幾張照片)，就能將一張新圖片中的一些姿勢、五官分布等特征轉(zhuǎn)換到這些樣本圖上。 賦予AI 可以媲美人類的“腦補”能力：“看幾眼”新物種，便能“推測”出新物種某些(與新圖片一致的)動作姿勢，就像有人第一眼看到獨角獸，便能想象它怎樣奔跑。

GitHub地址：https://github.com/NVlabs/FUNIT

2. 自動生成二次元妹子(512贊)

作者提出了一種能夠繪制動畫的人工神經(jīng)網(wǎng)絡(luò)。

通過Waifu自動販賣機你可以選擇自己喜歡的角色，生成自己喜歡的動畫。

地址：https://waifulabs.com/

3. 機器學(xué)習(xí)中最大的數(shù)據(jù)集資源列表(499贊)

作者整理了一個機器學(xué)習(xí)數(shù)據(jù)集相關(guān)的列表集合，可用于機器學(xué)習(xí)實驗。

這種資源可以減少你在線查找數(shù)據(jù)集的時間，該數(shù)據(jù)集根據(jù)不同的用途/領(lǐng)域劃分，包括：CV、NLP、自動駕駛、QA、音頻和醫(yī)療。你還能根據(jù)許可證類型進行劃分。

地址：https://www.datasetlist.com/

4. “爛番茄”上的48萬條影評(464贊)

作者在“爛番茄”上搜羅了48萬條影評，這些評論在自然語言處理任務(wù)中非常有用。

GitHub地址：

https://github.com/nicolas-gervais/6-607-Algorithms-for-Big-Data-Analysis/blob/master/scraping%20all%20critic%20reviews%20from%20rotten%20tomatoes

該數(shù)據(jù)集還可在Google云端硬盤上找到。

地址：https://drive.google.com/file/d/1N8WCMci_jpDHwCVgSED-B9yts-q9_Bb5/view

5. 使用ML創(chuàng)建一個貓門，當(dāng)貓嘴里叼著獵物時會自動鎖門(464贊)

這關(guān)于一個使用機器學(xué)習(xí)創(chuàng)建的貓門。

視頻中，作者制作了一扇貓門，如果貓的嘴里有東西，門就會自動鎖上15分鐘，這樣貓就沒辦法把死掉的動物叼進房子里，他將攝像頭連接在貓門上，然后用機器學(xué)習(xí)判斷貓嘴里是否有東西。

地址：https://youtu.be/1A-Nf3QIJjM

6. Neural Point-Based Graphics(415贊)

作者提出了一種新的基于點的復(fù)雜場景建模方法。它使用原始點云作為場景的幾何表示。然后用一個可以學(xué)習(xí)的神經(jīng)描述編碼擴展每個點。局部幾何形狀和外觀利用神經(jīng)描述編碼，通過將點云的柵格化從新的視點通過深度渲染網(wǎng)絡(luò)來獲得新的場景視圖。

論文地址：https://arxiv.org/abs/1906.08240

7. AdaBound優(yōu)化器(402贊)

AdaBound是一個優(yōu)化器，它有一個現(xiàn)成的PyTorch實現(xiàn)，adample在模型訓(xùn)練開始時表現(xiàn)得像Adam，并在最后轉(zhuǎn)變?yōu)镾GD。保證模型收斂到損失更低的最優(yōu)解上。

Github地址：https://github.com/Luolc/AdaBound

8. 第一個在德州撲克中擊敗人類的AI(390個贊)

來自Facebook研究的帖子:“Pluribus是世界上第一個能夠在六人無限德州撲克游戲中擊敗人類的人工智能機器人。這也是人工智能機器人首次在超過兩個人/團隊參與的復(fù)雜游戲中擊敗頂級人類玩家。

Pluribus之所以成功，是因為它可以非常有效地處理兩名以上玩家的不完美信息博弈挑戰(zhàn)。它使用自我對戰(zhàn)來教自己如何取勝，沒有任何示范或策略指導(dǎo)。

官方地址：

https://ai.facebook.com/blog/pluribus-first-ai-to-beat-pros-in-6-player-poker/

9. 各種ML模型的NumPy實現(xiàn)(388個贊)

numpy-ml是一個不斷更新的機器學(xué)習(xí)模型、算法和工具的集合，專門用NumPy和Python標(biāo)準(zhǔn)庫編寫。

GitHub地址：https://github.com/ddbourgin/numpy-ml

10. PyTorch實現(xiàn)的17種Deep RL算法(388個贊)

作者給出了17種深度強化學(xué)習(xí)算法的PyTorch實現(xiàn)。其中的一些實現(xiàn)包括DQN，DQN-HER，Double DQN，REINFORCE，DDPG，DDPG-HER，PPO，SAC，離散SAC，A3C，A2C。

GitHub地址：https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch

11. 100萬可供下載的AI生成人臉(373個贊)

作者用NVIDIA的StyleGAN生成了100萬張臉，正如你所看到的，這些圖像看起來和真人一模一樣。

下載地址：https://archive.org/details/1mFakeFaces

12. 教神經(jīng)網(wǎng)絡(luò)駕駛賽車(358個贊)

作者設(shè)計了一個游戲能夠教神經(jīng)網(wǎng)絡(luò)駕駛汽車，它是一個簡單的網(wǎng)絡(luò)，具有固定數(shù)量的隱藏節(jié)點并且沒有偏差。然而經(jīng)過短短幾代的訓(xùn)練后，它就能把汽車開的又快又安全。

視頻地址：https://www.youtube.com/watch?v=wL7tSgUpy8w

13. 將ML模型轉(zhuǎn)化成本地代碼(345贊)

這是一個輕量級的庫，它提供了一種簡單的方法來將經(jīng)過訓(xùn)練的統(tǒng)計模型轉(zhuǎn)換成原生代碼(支持Python、C、Java、Go、JavaScript、Visual Basic、c#)。”目前支持以下模型：

Github地址：https://github.com/BayesWitnesses/m2cgen

14. 探索神經(jīng)網(wǎng)絡(luò)的損失情況

摘自作者的帖子：“該帖子是關(guān)于在神經(jīng)網(wǎng)絡(luò)的損失面中找到不同的模式。通常，圍繞最小值的場景看起來像是一個坑，周圍是隨機的丘陵和山脈，但是存在著更有意義的坑，如下圖所示。

“我們發(fā)現(xiàn)你幾乎可以找到自己喜歡的任何landscape的最小值。有趣的是，找到的橫向模式即使對于測試集也仍然有效，即，它具有一種很可能對于整個數(shù)據(jù)分布仍然有效的屬性。”

論文地址：https://arxiv.org/abs/1910.03867

15. 基于GPT-2的Reddit機器人

作者基于OpenAI的GPT-2驅(qū)動構(gòu)建了一個Reddit機器人。

你可以通過回復(fù)任何帶有“ gpt-2 finish this”的評論來使用這個回帖機器人。

Github地址：https://github.com/shevisjohnson/gpt-2_bot

16. Super SloMo：一個可以將任何視頻轉(zhuǎn)換為慢動作視頻的CNN(332個贊)

這是由英偉達提出的一種算法，可以將30幀視頻變成240幀的慢動作視頻，有人用PyTorch實現(xiàn)了這個算法。

Github地址：https://github.com/avinashpaliwal/Super-SloMo

17. NLP預(yù)訓(xùn)練模型庫(206個贊)

這是用于NLP的預(yù)訓(xùn)練transformer模型的開源庫。該項目匯總了基于Transformer的各種最新的NLP-2、RoBERTa、XLM、DistilBert、XLNet等。

Github地址：https://github.com/huggingface/transformers