营销网站建设实力派易网拓,做药品网站规划方案,肇庆网站制作案例,怎么样在网站上做跳转我们先来看看Mybridge AI 中排名靠前的顶级开源项目#xff0c;再聊聊机器学习今年都有哪些发展#xff0c;最后探寻下新的一年中会有哪些有值得我们期待的事情。
顶级的开源项目
BERT
BERT#xff0c;全称为Bidirectional Encoder Representations from Transformers再聊聊机器学习今年都有哪些发展最后探寻下新的一年中会有哪些有值得我们期待的事情。
顶级的开源项目
BERT
BERT全称为Bidirectional Encoder Representations from Transformers是一种基于TensorFlow解决自然语言处理的新方法且性能更好。我们可以使用BERT中的 预训练模型解决问题该模型在性能上具有很大优势比如可以识别句子中的上下文。在Github中非常受欢迎有8848个星完整学术论文请访问这里。
DeepCreamPy
DeepCreamPy是一个深度学习工具可以像Photoshop一样重建图像中被删除的区域。我们使用图像编辑工具比如PS将删减的区域填充为绿色神经网络可以对其进行复原。该项目在Github中有6365颗星。
TRFL
TRFL项目可用于编写TensorFlow中的强化学习代理具体的操作文档在这里。
Horizon
Horizon是一个基于PyTorch构建的强化学习平台并使用Caffe2为模型提供服务。Horizon的主要优势在于设计者在设计这一平台的时候考虑了生产用例。想要了解更多详细内容请查看Facebook Research官方文档。另外如果你想使用Horizon可查看该使用文档。
DeOldify
DeOldify是一个用于着色和恢复旧图像的深度学习库。开发者结合了几种不同的方法来实现这一目标其中的几种方法包括带自注意力机制的生成对抗网络Self-Attention Generative Adversarial NetworksProgressive Growing of GANs以及TTUR Two Time-Scale Update Rule。 AdaNet
AdaNet是一个基于TensorFlow的库它可以自动学习模型且不需要很多的技术人员参与该项目基于AdaNet算法。访问AdaNet的官方文档请点击这里。
Graph Nets Graph Nets是用于构建Sonnet和TensorFlow的DeepMind库。Graph 网络输入一个图形输出也是一个图形。
Maskrcnn-benchmark
Maskrcnn-benchmark项目可以帮助我们在Pytorch中构建对象检测和分割工具。这个库的优势在于速度快、内存效率高可以进行多个GPU训练和推断且为推断提供CPU支持。
PocketFlow
PocketFlow项目是一个加速和压缩深度学习模型的框架。它解决了大多数深度学习模型的计算费用问题。该项目最初由腾讯AI实验室的研究人员开发了解其实现及官方文档请点击这里。 MAMEToolkit
MAMEToolKit是一个训练街机游戏强化学习算法的库使用该工具可以跟踪游戏状态同时也可以接收游戏帧数据。
机器学习框架的主要发展
PyTorch 1.0
在今年10月份举办的PyTorch会议期间Facebook发布了PyTorch 1.0预览版。PyTorch 1.0解决了以下问题训练耗时长、联网问题、缓慢的可扩展性以及Python编程语言带来的一些不灵活性。
PyTorch 1.0引入了一组编译工具Torch.jit这将弥补生产和研究之间的差距。Torch.jit中包含Python中的Torch Script语言在PyTorch 1.0中我们可以使用图形模式构建模型这在开发高性能和低延迟的应用程序中非常有用。
Auto-Keras
你或许听过自动化机器学习automated machine learning即自动化搜索机器学习模型的最佳参数。除Auto-Keras之外还有其他的自动化机器学习模型比如Google的AutoML。Auto-Keras是基于Keras和ENAS编写的其中ENAS是神经网络结构搜索的最新版本。
TensorFlow Serving
使用TensorFlow Serving系统我们能更加轻松的将TensorFlow模型部署到生产环境中。虽然TensorFlow Serving在2017年就已经发布但是今年更加注重将模型应用到生产环境环节。
Machine Learning Javascript
现在已经有一些可以允许开发人员在浏览器上运行模型的Javascript框架比如TensorFlow.js和Keras.js。其模型实现与使用的方法与Keras或TensorFlow等常规框架非常相似。
展望未来
2019年马上就要到了随着Auto-Keras等自动化工具的发展开发人员的工作有望变得更加轻松。除此以外我们还拥有先进的研究以及优秀的社区各类机器学习框架的性能还会更上一层楼。 原文链接 本文为云栖社区原创内容未经允许不得转载。
