11月最佳机器学习开源项目Top10！

2018 年 11 月 29 日 AI100

整理 | Jane

出品 | AI科技大本营

过去一个月，我们从近 250 个机器学习开源项目中挑选出了最受大家关注的前十名。这些项目在 GitHub 上平均 Stars 数为 2713。这些项目涉及由 Google AI Research 开源的 BERT 预训练模型、DeepMind 开源的图网络库、Facebook Research 开源的关于强化学习代理构建模块和强化学习平台、TensorFlow 开源的一款轻量级框架——Adanet 、以及腾讯本月开源的 PocketFlow 等等，其中一些我们也为大家做过介绍，希望大家可以从中找到自己感兴趣的项目。

我们一直定期为大家整理推荐关注度最高的开源项目以供大家学习，下面为大家进行简单回顾：a.最新机器学习项目 Top10；b.最新 Python 学习项目 Top 10；c.Github 上最受欢迎的 25 个机器学习库；d.10 月 Python 开源项目 Top10；e.10 月机器学习开源项目 Top10 。

▌Top 1：Bert（Google AI Research，8394 Stars）

过去一个月，Bert 可以说是得到了最高的关注度。这个开源项目就是 Bert 的预训练模型。

Github 地址：

https://github.com/google-research/bert

▌Top 2：DeepCreamPy（deeppomf ， 6262 Stars）

这是一个可用在 Hentai 作品中用一些看似合理的重建自动替换审查区域的深度学习工具。

Github 地址：

https://github.com/deeppomf/DeepCreamPy

▌Top 3：Horizon（Facebook Research，1347 Stars）

Horizon 是 Facebook Research 公开的第一个用于大规模产品应用和服务的强化学习开源平台。平台包含训练深度强化学习的工作流以及数据处理、特征转换、分布训练优化服务等。

Github 地址：

https://github.com/facebookresearch/Horizon

▌Top 4：TRFL（DeepMind，1924 Stars）

TRFL 是一个建立在 TensorFlow 上的库，包含了几个实现强化学习代理非常有用的构建模块。TRFL 可以直接从 Github 上进行安装。

Github 地址：

https://github.com/jantic/DeOldify

▌Top 5：DeOldify（Jason Antic，4098 Stars）

这个项目可以给老照片上色并还原。

Github 地址：

https://github.com/jantic/DeOldify

▌Top 6：Adanet（TensorFlow，1831 Stars）

Adanet 是 TensorFlow 开源的一个轻量级 TensorFlow 框架，只需少量专家干预或在没有专家干预情况下就可以学习到高质量的模型。基于 AutoML 的成果，学习的同时保证快速灵活。

Github 地址：

https://github.com/tensorflow/adanet

▌Top 7：Graph_nets（DeepMind，2212 Stars）

Graph Nets 是在 TensorFlow 和 Sonnet 中建立的图网库，通过 pip 安装。关于更多图网方面的细信息可以阅读论文 Relational inductive biases, deep learning, and graph networks。

论文地址：

https://arxiv.org/abs/1806.01261

Github 地址：

https://github.com/deepmind/graph_nets

▌Top 8：MAMEToolkit（Michael Murray，372 Stars）

这个 Python 工具包可以在街机游戏《街头霸王 3》中进行模拟，从而训练改进强化学习算法。不仅在 MAME 游戏模拟器中可以使用，在绝大多数的街机游戏模拟环境中都可以。

Github 地址：

https://github.com/M-J-Murray/MAMEToolkit

▌Top 9：PocketFlow（腾讯 AI Lab，1328 Stars）

早在 9 月腾讯 AI Lab 机器学习中心就公开了这款自动化深度学习模型压缩框架——PocketFlow，终于在 11 月等到了开源。这是一款面向移动端 AI 开发者的自动模型压缩框架，集成了多种深度学习模型压缩算法，引入超参数优化组件，提升模型压缩技术的自动化程度。在 9 月发布之初，AI科技大本营还第一时间采访到了腾讯 AI Lab 中与这个项目相关的负责人，更多内容大家可以回顾此文。