转自公众号AI科技大本营

【导读】作者整理了近期最新发布及更新的12 个非常有学习和收藏意义的开源项目。这些项目中包括基于TensorFlow 的强化学习框架；可以对数据进行结构化处理的AutoML 库；支持TensorFlow，PyTorch，MXNet，CNTK 和Caffe2 等多种深度学习框架的模型部署框架；可以帮助用户分析训练模型的工具；强大的人脸标记开源项目等等，可以说每一个项目都值得我们了解一下！接下来，我们就一起找到你喜欢的那一个，码起来！

▌1.Dopamine

基于TensorFlow 的强化学习框架，Dopamine 是一个能够快速实现强化学习算法原型的研究框架，旨在为研究人员提供一个易于使用的实验室环境，并满足对小型、易于访问的代码库的需求。有了这个框架，你可以在研究过程中轻松地建立实验过程来验证你自己的想法。

GitHub 地址：

https://github.com/google/dopamine

▌2.TransmogrifAI

TransmogrifAI 是一个用Scala 编写的端到端的AutoML 库，由Salesforce 提供的开源项目。它能够在Spark 运行，对数据进行结构化处理，旨在通过自动化机器学习技术，帮助开发者加速产品化过程。它仅需少量的代码，就能实现数据清理、特征工程和模型自动化过程，然后训练高性能的模型并将其应用于下一步的迭代和探索研究。

GitHub 地址：

https://github.com/salesforce/TransmogrifAI

▌3.OpenNRE

OpenNRE 是基于Tensorflow 开发的，一个用于神经网络关系提取的工具包，由清华大学刘知远老师及其团队贡献的开源项目。在该项目中，关系提取会分为嵌入、编码器、选择器和分类器四步。

Github 地址：

https://github.com/thunlp/OpenNRE

▌4. TensorFlow Model Analysis

TFMA 是由Google 发布的，一个TensorFlow 模型分析的开源项目，旨在帮助TensorFlow 用户分析训练好的模型。用户可以使用Trainer 中定义的指标，以分布式的方式来评估大量数据的模型。此外，根据不同的数据计算指标，用户还可以将结果在Juputer Notebooks 中进行可视化。

GitHub 地址：

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

▌5. GraphPipe

graphPipe 是一个通用的深度学习模型部署框架，是由Oracle 提供的开源项目。它旨在帮助用户简化机器学习模型的部署，并使用户摆脱特定框架的模型实现。此外，graphPine 还提供跨深度学习框架模型的通用API，开箱即用的部署解决方案和强大的性能。它支持TensorFlow，PyTorch，MXNet，CNTK 和Caffe2 等多种深度学习框架。





Github 地址：

https://github.com/oracle/graphpipe

▌6. ONNX Model Zoo

这是一个通用的深度学习预训练模型集。该项目汇集了目前最好的深度学习预训练模型，这些模型全部由Facebook 和Microsoft 提供，以ONNX (开放式神经网络交换) 的格式推出，并允许模型在不同框架之间进行迁移。每个模型都有一个相应的Jupyter Notebook，其中包含模型训练，操作推理，数据集和参考等信息。

Github 地址：

https://github.com/onnx/models

▌7 基于深度学习的人脸标定算法(106 个人脸关键点)

这是一个强大的人脸标定的开源项目，包括面部美容，美容化妆，Crycocelle vivo 检测和人脸标定等预处理步骤。这个项目是基于传统的SDM 算法，可在Windows 平台上运行，并通过修改开源代码来简化部分测试代码及优化代码结构。基于深度学习技术，该项目设计了一种强鲁邦性的、并支持多面部追踪的高效网络模型。当前，深度学习算法在人脸标定领域取得了良好的效果，而该项目旨在提供一种相对简单易用的实现方法。

该项目主要有如下几大特点：

我们使用106 个人脸关键点，使得面部轮廓描述更加细腻。

高准确率，即使在逆光和暗光条件下也可以获得良好的校准结果。

模型小。追踪模型大约为2 MB，这非常易于在移动端实现模型集成。

速度快。项目代码在Qualcomm 820 (st) 上，单个人脸标定只需要7毫秒。

增加多面部追踪功能。

Github 地址：

https://github.com/zeusees/HyperLandmark

▌8. MagNet

MagNet 是一个基于Pytorch 的深度学习高级API，旨在位开发者减少模板的代码量，并优化深度学习项目开发的效率。



Github 地址：

https://github.com/MagNet-DL/magnet

▌9. NLP.js

NLP.js 是一个基于Node.js 的自然语言处理工具包。目前，它能够支持一系列的自然语言处理任务，包括单词分割，词干提取，句子分析，命名实体识别，文本分类和文本生成等任务。

Github 地址：

https://github.com/axa-group/nlp.js

▌10. Texar

Texar 是一个基于Tensorflow 的文本生成工具包，它能够支持诸如机器翻译，对话系统，文本总结和语言模型等任务，并允许研究者和开发者快速构建实验协议。

Github 地址：

https://github.com/asyml/texar

▌11. Evolute

Evolute 是一个易于使用的进化算法框架。它定义了个体和种群等基础的结构，还能实现一些常见的进化算法操作，如选择，重现，突变和更新等。

Github 地址：

https://github.com/csxeba/evolute

▌12. Task-Oriented Dialogue Dataset Survey

这是一种由任务驱动的对话数据收集项目，它能够将多种特定的、由任务驱动的对话系统数据汇集在一起，如Dialogue bAbl，Stanford Dialog，Consonant data，DSTC-2，CamRest676 和DSTC4 等系统。