张家界市建设工程造价管理站网站,网站建设文献综述范文,学校做网站需要什么,找别人做网站怎么防止别人修改来自#xff1a;开源中国链接#xff1a;https://my.oschina.net/editorial-story/blog/1592254推荐 10 个饱受好评且功能独特的开源人工智能项目关于人工智能的项目#xff0c;相信大家都看过或者用过不少了#xff0c;但它们的大多数看上去都十分“高大上”#xff0c;让…来自开源中国链接https://my.oschina.net/editorial-story/blog/1592254推荐 10 个饱受好评且功能独特的开源人工智能项目关于人工智能的项目相信大家都看过或者用过不少了但它们的大多数看上去都十分“高大上”让人感觉要掌握他们犹如习屠龙之术一样。事实上有很多关于人工智能的项目还是十分实用的而且用途还十分有趣下面就简单为大家盘点 10 个功能独特的开源人工智能项目。STYLE2PAINTS强大的为线稿上色的 AIhttps://www.oschina.net/p/style2paints推荐理由新一代的强大线稿上色 AI可根据用户上传的自定义色彩给线稿进行上色。项目提供了在线使用网站十分方便使用。SerpentAI教 AI 打游戏的学习框架https://www.oschina.net/p/serpentai推荐理由SerpentAI 旨在为机器学习和 AI 研究提供一个有价值的工具。但同时对于爱好者来说它也是非常有趣的。Synaptic.js用于浏览器的神经网络库https://www.oschina.net/p/synapticjs推荐理由Synaptic.js 是一个用于 node.js 和浏览器的 JavaScript 神经网络库可以构建和训练基本上任何类型的一阶甚至二阶神经网络。该项目内置了 4 种经典的神经网络算法多层感知器multilayer perceptrons、长短期记忆网络multilayer long-short term memory networks、液体状态机Liquid State Machine、Hopfield神经网络。使用 Synaptic.js 你可以轻松测试和比较不同体系结构的性能。Snake-AI贪吃蛇游戏的人工智能https://www.oschina.net/p/snake-ai推荐理由一个用 C/C 语言编写的贪吃蛇游戏的人工智能。使用了最短路径、最长路径、人工智能算法。AI 的目的是让蛇尽可能的吃更多的食物直到吃满整个地图。DemoUncaptchahttps://www.oschina.net/p/uncaptcha推荐理由破解 reCAPTCHA 系统的 AI 算法。unCAPTCHA 算法以 85% 的成功率击败了 Google reCAPTCHA 系统。它依靠音频验证码攻击 - 使用浏览器自动化软件来解析必要的元素并识别语音号码并以编程方式传递这些数字最终成功欺骗目标网站。Sockeye神经机器翻译框架https://www.oschina.net/p/sockeye推荐理由Sockeye 是一个基于 Apache MXNet 的快速而可扩展的深度学习库。Sockeye 代码库具有来自 MXNet 的独特优势。例如通过符号式和命令式 MXNet APISockeye 结合了陈述式和命令式编程风格它同样可以在多块 GPU 上并行训练模型。Sockeye 实现了 MXNet 上当前最佳的序列到序列模型。它同样为所有序列到序列模型的超参数提供恰当的默认值。对于优化无需担心停止标准、指标跟踪或者权重初始化。可以简单地运行已提供的训练命令行界面CLI也可以轻易改变基础模型架构。PHP-MLPHP 机器学习库https://www.oschina.net/p/php-ml推荐理由我们都知道 Python 或者是 C 提供了更多机器学习的库但他们大多都比较复杂配置起来让很多新手感到头疼。PHP-ML 这个机器学习库虽然没有特别高大上的算法但其具有最基本的机器学习、分类等算法小项目或者小公司做一些简单的数据分析、预测等等足以够用。PHP-ML 是使用 PHP 编写的机器学习库。同时包含算法交叉验证神经网络预处理特征提取等。CycleGAN生成对抗网络图像处理工具https://www.oschina.net/p/cyclegan推荐理由这个工具功能十分强大不仅可将绘画作品“还原”成照片可理解为是一个 “反滤镜”还能将夏天转换成冬天或将普通的马转化成斑马。与其它人工智能绘画不同CycleGAN 的研究团队试图建立一个可双向转化不丢失信息的双向算法。在 CycleGAN 里照片的细节被要求完全保留研究人员希望能够将一张图片输入 CycleGAN 后进行多次反复转化照片→绘画→照片→绘画→照片最终可以获得与原始照片相同或相近的图片。DeepLearn.js加速硬件的机器学习JS库https://www.oschina.net/p/deeplearn-jsDeepLearn.js 是谷歌推出的一个可用于机器智能并加速 WebGL 的开源 JavaScript 库完全在浏览器中运行不需要安装不需要后端处理。DeepLearn.js 提供高效的机器学习构建模块使我们能够在浏览器中训练神经网络或在推断模式中运行预训练模型。它提供构建可微数据流图的 API以及一系列可直接使用的数学函数。虽然浏览器上的机器学习库已经存在多年例如 Andrej Karpathy 的 convnetjs但是它们受到 JavaScript 速度的限制或者局限于推理而不能用于训练例如 TensorFire。相比之下deeplearn.js 通过利用 WebGL 在GPU上执行计算以及进行完全反向传播full backpropagation的能力实现了显着的加速。TensorFire浏览器端神经网络框架https://www.oschina.net/p/tensorfire推荐理由TensorFire 是基于 WebGL 的运行在浏览器中的神经网络框架。使用 TensorFire 编写的应用能够在实现前沿深度学习算法的同时不需要任何的安装或者配置就直接运行在现代浏览器中。与之前某些浏览器内的神经网络框架相比TensorFire 有着近百倍的速度提升甚至于能够与那些运行在本地 CPU 上的代码性能相媲美。开发者也可以使用 TensorFire 提供的底层接口来进行其他的高性能计算譬如 PageRank、元胞自动机仿真、图片转化与过滤等等。相信还有其他优秀的开源人工智能项目尚未在本文出现欢迎各位在评论中留下你们的推荐~●本文编号489以后想阅读这篇文章直接输入489即可●输入m获取文章目录推荐↓↓↓Python编程更多推荐《18个技术类公众微信》涵盖程序人生、算法与数据结构、黑客技术与网络安全、大数据技术、前端开发、Java、Python、Web开发、安卓开发、iOS开发、C/C、.NET、Linux、数据库、运维等。
