3月份Github上最熱門的數據科學和機器學習項目TOP7

策劃 & 編輯 | Natalie

譯者 | 安翔

編輯 | Emily

AI 前線導讀：在 GitHub 上，不只能夠學習不一樣領域的開發技術，還能夠參與多個開源項目。幾乎全部的科技公司，乃至谷歌和 Facebook，都會在 GitHub 上傳他們的開源項目代碼，不少的機器學習編程社區都從這些開源項目中獲益。

若是你平日太過繁忙，無暇在 GitHub 上去搜尋那些優秀的開源項目，那麼正好，本文將爲你彙總出 3 月份最熱門的項目。你能夠閱讀這些項目來更新你的知識庫，固然也能夠將這些開源代碼借鑑到本身的項目中。

更多幹貨內容請關注微信公衆號「AI 前線」，（ID：ai-front）

這份榜單包含了一些很是棒的代碼庫。好比谷歌大腦的 AstroNet，又如人工智能神經網絡可視化工具，咱們彙總了多個強大的開源項目，相信它們可以幫助你擴展本身在機器學習領域的視野。

準備好了嗎？讓咱們一塊兒來看看 3 月份的 Top7 開源項目吧！

更多閱讀：

一月份的 Top5 榜單 （https://www.analyticsvidhya.com/blog/2018/02/top-5-github-repositories-january-2018）

二月份的 Top5 榜單（https://www.analyticsvidhya.com/blog/2018/03/top-5-github-repositories-february-2018/）可參見 AI 前線往期報道：2018 年 2 月份 Github 上最熱門的數據科學和機器學習項目

Person Blocker

開源項目地址：https://github.com/minimaxir/person-blocker

Person Blocker 是一個 Python 庫，它可使用預先訓練好的神經網絡自動屏蔽掉圖像中全部的人。它的核心算法採用 Mask R-CNN，而且在 MSCOCO 數據集上預先進行了訓練。你知道更棒的是什麼嗎？實際上，它甚至都不須要用到 GPU！

這套算法可以屏蔽遮擋的並不只限於人，實際上它能夠屏蔽 全部對象。它可以識別 80 種不一樣類型的物體，包括車輛、小動物、電子產品，等等。

若是想要更多瞭解這個庫，你能夠閱讀 Analytics Vidhya 的博客（https://www.analyticsvidhya.com/blog/2018/04/person-blocker-is-a-python-script-that-blocks-out-people-from-images/）。

AstroNet 

開源項目地址：https://github.com/tensorflow/models/tree/master/research/astronet

AstroNet 是用來處理天文數據的深層神經網絡模型。早在 2017 年 12 月，谷歌大腦團隊曾透露他們經過 AstroNet 發現了 2 顆新行星。這是一個巨大的發現，它展現了機器學習在當今世界的深遠影響力。

現在，谷歌大腦已經發布了該技術相關的所有代碼，任何人均可以使用。該模型基於卷積神經網絡（CNN）構建 。

更多閱讀：

AVBytes 上關於 AstroNet 的文章（https://www.analyticsvidhya.com/blog/2018/03/google-has-made-the-code-for-astronet-available-for-everyone/）。

ANN Visualizer

開源項目地址：https://github.com/Prodicode/ann-visualizer

ANN Visualizer 一樣是一個 Python 庫，它讓咱們僅用一行代碼便可實現人工智能神經網絡。它一般與 Keras 一塊兒使用，並利用 Python 的'graphviz'庫來構建出一幅整潔炫酷的神經網絡圖。

關於 ANN Visualizer，想要了解更多能夠訪問：https://www.analyticsvidhya.com/blog/2018/04/python-library-visualizes-artificial-neural-networks/。

Fast Pandas

開源項目地址：https://github.com/mm-mansour/Fast-Pandas

即使是 Python 新手也能快速體會到 Pandas 這個庫的靈活性和強大的功能。做爲一名數據科學家，你經常須要足夠的靈活性而且可以針對不一樣問題想出應對之策。針對如此情形，Fast Pandas 正好能夠提供多個實用方案。

這是一個很是有用的庫，強烈建議你們嘗試。

TensorFlow.js



開源項目地址：https://github.com/tensorflow/tfjs

使用 TensorFlow.js 這個開源庫，你能夠經過 JavaScript 調用 API 的方法在 Web 瀏覽器中訓練和構建機器學習模型。若是你熟悉 Keras，那麼更上層的 API 對你來講徹底不在話下。

它可用 GPU 加速，並自動支持 WebGL。你能夠導入預先訓練好的已有模型，也能夠在瀏覽器中對這些機器學習模型從新進行訓練。

閱讀更多：

https://www.analyticsvidhya.com/blog/2018/04/tensorflow-js-build-machine-learning-models-javascript/。

Caffe64



開源項目地址：https://github.com/dfouhey/caffe64

Caffe64 是一個簡單小巧但功能很是強大的神經網絡庫。衆所周知，神經網絡庫的安裝大多都比較複雜。而 Caffe64 簡化了這一切，根據其開發人員的說法，Caffe64 是最容易編譯且最輕量級的神經網絡庫。

使用 Caffe64，相信你能體會到它的美好！

TensorFlow Hub

開源項目地址：https://github.com/tensorflow/hub

TensorFlow Hub 這個庫主要用於促進機器學習模型可重用部分的發佈、發現和使用。特別是它還提供了模塊，這些模塊是預先訓練好的 TensorFlow 模型，能夠在新任務上重複使用。經過在相關任務上從新使用模塊，你能夠：

• 用較小的數據集來訓練模型

• 改進泛化

• 大大加快訓練速度

你之前使用過這些開源項目嗎？有沒有本身的使用心得？若是有，歡迎評論分享！

閱讀原文

https://www.analyticsvidhya.com/blog/2018/04/top-7-github-repositories-march-2018/