每日三篇 | Optuna自动超参数优化框架；Spotify开源绘图库Chartify；卫星图分割、检测孟买贫民窟

1

Optuna自动超参数优化框架

刚刚在NeurIPS 2018发布的自动超参数优化框架。Optuna基于命令式的define-by-run风格的API，这意味着你可以使用Optuna动态构建超参数的搜索空间。另外，Optuna还支持并行分布式优化，根据学习曲线预测剪枝，web控制面板。

地址：https://github.com/pfnet/optuna

2

Spotify开源面向数据科学家的Python绘图库Chartify

Spotify开源的Python绘图库。Chartify的目标是让数据科学家可以更方便地创建图表：所有绘图函数使用一致的数据输入格式，无需频繁转换；智能默认样式，基本上不需要定制；直观、易学的API。Chartify基于Bokeh构建，在有特殊需求时，可以直接使用Bokeh API。

地址：https://github.com/spotify/chartify

3

在卫星图上分割、检测孟买贫民窟

现如今，全世界有超过10亿人生活在贫民窟，尤其是在一些发展中国家，贫民窟居民数在全国总人口中的占比可以高达50%以上。他们缺乏可靠的卫生服务，甚至连清洁水、电力等基本生活服务都没法得到保障。为了帮助改善这个局面，两名深度学习工程师收集了一个卫星图像数据集（3GB），图像覆盖孟买的大部分地区，时间跨度是2002年至2018年。他们在数据集上训练了一个Mask R-CNN，并根据掩模预测了贫民窟的面积变化。目前这个项目已经被发布在Github上，感兴趣的读者可以前去一看。

地址：https://github.com/cbsudux/Mumbai-slum-segmentation

星标 论智，每天获取最新资讯