2018最有用的六個機器學習專案

2021-09-19 20:05:21 字數 2182 閱讀 7405

2018

這一年,我們看到了更多的應用驅動研究,而不是理論研究。雖然這可能有其缺點,但它在短時間內產生了一些巨大的積極影響,產生了可以迅速轉化為業務和客戶創造價值的新研發,這一趨勢在ml開源專案中得到了強烈反映。

讓我們來看看過去一年中最實用的6個ml專案。這些專案都公開發布了**和資料集,允許個別開發人員和小型團隊學習並創造價值。它們可能不是理論上最具開創性的作品,但它們很實用!

fast.ai

fast.ai

庫的編寫是為了使用現代最佳實踐方法以簡化且快速準確進行神經網路訓練,它抽象了在實踐中實施深度神經網路可能帶來的所有細節工作。而且它非常易於使用,並且設計它的人有應用程式構建思維。它最初是為fast.ai課程的學生建立的,該庫以簡潔易懂的方式編寫在易於使用的pytorch庫之上。

是facebook ai用於物體檢測和例項分割研究的研究平台,系統是用caffe2編寫。它包含各種物件檢測演算法的實現,包括: ·

mask

r-cnn

:使用更快的

r-cnn

結構的物件檢測和例項分割;

·retinanet

:乙個基於(feature pyramid network)演算法的網

絡,具有獨特的

focal loss來處

理難題;

·faster

r-cnn:對

象檢測網路

最常見的結

構; 所有網路都可以使用以下幾種可選的分類主幹之一: ·

resnext ;

·resnet ;

·feature pyramid network

(使用resnet/resnext);

·vgg16;

更重要的是,所有上述這些模型都是帶有coco資料集上的預訓練模型,因此你可以立即使用它們!他們已經在

detectron

模型動物園中

使用標準評估指標進行了測試。

這是另乙個來自facebook的研究,

fasttext

庫專為文字表示和分類而設計。它配備了預先訓練的150多種語言的詞向量模型,這些單詞向量可用於許多任務,包括文字分類,摘要和翻譯等。

是乙個用於自動機器學習(automl)的開源軟體庫。它由texas a&m大學的

data

實驗室和社群貢獻者開發。automl的最終目標是為具有有限資料科學或機器學習背景的開發工程師提供易於訪問的深度學習工具。auto-keras提供自動搜尋深度學習模型的最佳架構和超引數的功能。

根據dopamine的文件,他們的設計原則是: ·

簡單的測試

:幫助新用

戶執行基準

測試;

·靈活的開發:

為新使用者提供新的

創新想法; ·

可靠:為一些

較舊和更流行的演算法提供

實現;

·可重複性

:確保結

果是可重複;

這個庫的好處在於它的選擇:它提供了幾種不同的vid2vid應用程式,包括自動駕駛/城市場景,人臉和人體姿勢。它還附帶了豐富的指令和功能,包括資料集載入、任務評估、訓練功能和多gpu!

本文由阿里云云棲社群

組織翻譯。

文章原標題《

the-6-most-useful-machine-learning-projects-of-the-past-year》

george seif  譯者:虎說八道,審校:袁虎。

文章為簡譯,更為詳細的內容,請檢視原文。

2018最有用的六個機器學習專案

2018 這一年,我們看到了更多的應用驅動研究,而不是理論研究。雖然這可能有其缺點,但它在短時間內產生了一些巨大的積極影響,產生了可以迅速轉化為業務和客戶創造價值的新研發,這一趨勢在ml開源專案中得到了強烈反映。讓我們來看看過去一年中最實用的6個ml專案。這些專案都公開發布了 和資料集,允許個別開發...

學習英語的六個竅門

這篇短文幾乎概括了做好一件事情所有必須的元素 1.有效利用時間 2.要自我約束 3.要有信心 4.要持之以恆 5.最好要有行動 6.要在意識裡告訴自己,我喜歡這個事情 當我們意識到有必要學會英語,並且下決心去攻克這個難關時,我們就一定要 1 投資我們的時間和心智。我們並不傻,有足夠的智慧型和大腦空間...

學習筆記 甄選人才的六個標準

沒有良好的職業道德 人生觀和價值觀的人才,往往缺乏奉獻精神,很難將做好本職工作作為對自己的第一要求。自認為懷才不遇 眼高手低 好高騖遠的人才,往往 頭重腳輕根底淺 他們浮躁 不務實 投機取巧 熱衷於做表面文章。務實人才往往樂於從基礎做起,一步乙個腳印。乙個缺乏團隊精神的人,表現為自私 利己 很難與別...