在過去的幾年裡，機器學習開闢了廣泛行業的新視野，出現了先進的用例：面部識別—Facebook的面部識別，Netflix的電影推薦，PrimaAI的影象樣式轉換，Siri的語音識別，Google Allo的自然語言處理等等。

除了這些用例外，還有大量在GitHub上託管的開源機器學習專案。 以下是最受歡迎的專案列表。 我希望你能學到新東西並始終保持靈感。

TensorFlow

TensorFlow是一個用於研究和生產的開源機器學習庫。 TensorFlow為初學者和專家提供API，以便為桌面，移動，Web和雲開發。TensorFlow最初由Google Brain團隊開發，供Google內部使用，於2015年11月9日在Apache 2.0開源許可下發布。

最新版本的TensorFlow支援Keras，這是一種高階神經網路API，用Python編寫，能夠在TensorFlow，CNTK或Theano之上執行。 還有Javascript和Swift的介面。

scikit-learn

Scikit-learn最初由David Cournapeau在夏季Google of Code活動中撰寫。 它的名稱或多或少引用了SciPy Toolkit。

Scikit-learn具有基於NumPy，SciPy和Matplotlib的簡單而有效的資料探勘和資料分析工具。 由於其簡單和便捷的功能，它與TensorFlow一起使用是一種流行的選擇。

MXNet

除了TensorFlow，Keras和Scikit-learn之外，還有來自Apache的MXNet深度學習框架。 它專為提高效率和靈活性而設計 - 它允許您混合符號和指令式程式設計，以最大限度地提高效率和生產力。 對於在MXNet中實現的許多模型，您可以訪問模型庫。

PyTorch

如果不提及PyTorch，這個列表將是不完整的，PyTorch是機器學習愛好者中另一個受歡迎的選擇。 PyTorch基於Torch，由Facebook作為其機器學習框架釋出。

PyTorch是一個Python包，提供兩個高階功能：具有強大GPU加速的Tensor計算（如NumPy）和基於磁帶的自動程式設計系統構建的深度神經網路。

magenta

Magenta是一個探索機器學習在創造藝術和音樂過程中的作用的研究專案。 這主要涉及開發新的深度學習和強化學習演算法，用於生成歌曲，影象，繪圖和其他材料。 但它也是構建智慧工具和介面的探索，它允許藝術家和音樂家使用這些模型擴充套件（而不是取代！）他們的流程。

主要的回購用於Python，但對於Javascript版本，還有magenta.js。 Magenta是一個完美的專案，展示了我們大多數人從未想過的高階機器學習。 要被Magenta驚歎，請檢視一些帶有聲音和繪圖生成器的演示。

style2paints

該專案旨在為線條藝術著色。 AI可以根據給定的顏色樣式在草圖上繪製，建立自己的顏色樣式以在草圖上繪製，或者轉移另一個插圖的樣式。

有一些新的功能，如影象錨和影象過渡，值得一看。

PyTorch中的影象到影象轉換

該專案有兩個元件 - CycleGAN和pix2pix，它們包含用於未配對和成對影象到影象轉換的PyTorch實現。 起初，它看起來像另一種相當普通的風格轉移解決方案，但它可以做一些不同的事情，比如將馬轉換為斑馬或從現場照片轉換為莫奈。 並且流程足夠快，可以在實時視訊上使用。

深語音轉換

我們有一些用於影象和視訊的樣式轉換工具，但是語音呢？ 深語音對話是此功能的完美示例。

如果你可以模仿一個著名的名人的聲音或像一個著名的歌手唱歌怎麼辦？ 該專案的目標是將某人的聲音轉換為特定的目標聲音。 所謂的，它的語音風格轉移。 我們致力於這個專案，旨在將某人的聲音轉變為著名的英國女演員凱特溫斯萊特的聲音。 我們實現了一個深度神經網路來實現這一目標，並且Kate Winslet讀取的超過2小時的有聲書籍句子被用作資料集。

如果您還不相信，可以通過Kate Winslet的聲音前往SoundCloud進行一些演示。

PyTorch中的StarGAN

StarGAN是本文的PyTorch實現：用於多域影象到影象轉換的統一生成對抗網路。

它不僅僅是通過應用不同的髮型，面板型別，年齡，性別和不同的情緒來轉換源影象。 非常棒。

人臉檢測

這可能聽起來不太有趣，因為現在我們可以在iOS和Android上使用Core ML或ML Kit輕鬆完成這項工作。 但更深入的展望表明這是多麼棒的。 它不僅可以檢測面部，還可以檢測情緒和性別。

使用具有Keras CNN模型和OpenCV的fer2013 / IMDB資料集進行實時人臉檢測和情感/性別分類。

說到人臉檢測，谷歌曾經在2017年釋出了一款AI硬體紙盒套件，也是旗下AI開源專案(AIY Projects)的作品。Vision Kit 是一套簡單的計算機視覺系統，它可以檢測幾千種常見物體，但也可以對人類的臉部表情進行檢測，並顯示出情緒，比如微笑、皺眉、憤怒、開心等等。

深度通用概率規劃 （Deep universal probabilistic programming）

Uber AI Labs構建了這個深度概率程式設計庫，以幫助簡化其運輸服務的預測和優化收益。 任何處理概率建模的人都會對這個庫感興趣。

機會範圍從匹配車手到駕駛員，建議最佳路線，找到明智的游泳池組合，甚至創造下一代智慧車輛。 為了解決這些挑戰，我們將最先進的人工智慧（AI）技術與資料科學家，工程師和其他使用者的豐富專業知識相結合。 我們正在探索一種工具優先的方法，使我們和其他人能夠製作下一代AI解決方案。