оискусственный интеллектЯ считаю, что все видели или использовали множество проектов, но большинство из них выглядят очень «высокими», заставляя людей чувствовать, что их освоение похоже на обучение искусству убийства драконов. На самом деле, очень практичных и интересных проектов об искусственном интеллекте много, вот краткий список из 12 проектов искусственного интеллекта с открытым исходным кодом и уникальными функциями.
1. Scikit-learn для разнообразной кластеризации
Рекомендуемая причина: основанный на модуле Python, созданном Scipy для машинного обучения, он содержит множество алгоритмов классификации, регрессии и кластеризации, включая машины опорных векторов, логистическую регрессию, наивный байесовский классификатор, случайный лес, повышение градиента, алгоритмы кластеризации и DBSCAN. А также разработал числовые и научные библиотеки Python Numpy и Scipy.
адрес проекта:
https://link.zhihu.com/?target=http%3A//www.github.com/scikit-learn/scikit-learn
2. Эффективная рампа
Почему вам нужно идти: Ramp — это библиотека для разработки решений для ускоренного прототипирования в области машинного обучения на Python. Это легкая подключаемая платформа машинного обучения на основе pandas, а существующие инструменты машинного обучения и статистики на языке Python (такие как scikit-learn, rpy2 и т. д.). Ramp предоставляет простую декларативную функцию исследования синтаксиса, позволяющую реализовывать алгоритмы и трансформации быстро и эффективно.
адрес проекта
http://www.github.com/kvh/ramp
три,STYLE2PAINTS: мощный ИИ для раскрашивания штриховых рисунков
Рекомендуемая причина: новое поколение мощного искусственного интеллекта для раскрашивания штриховых рисунков, который может раскрашивать штриховые рисунки в соответствии с пользовательским цветом, загруженным пользователем. Проект обеспечиваетиспользовать онлайнСайт очень удобен в использовании.
адрес проекта
https://www.oschina.net/p/style2paints
Четыре,SerpentAI: обучающая среда на основе Python для обучения ИИ играть в игры
Рекомендуемая причина: SerpentAI стремится предоставитьмашинное обучениеа исследования ИИ представляют собой ценный инструмент. Но в то же время, это также очень интересно для энтузиастов.
Serpent.AI содержит большое количество модулей поддержки, предоставляя решения для сценариев, которые часто встречаются при использовании игр в качестве среды разработки, а также предоставляет инструменты CLI для ускорения разработки. Поддерживаются Linux, Windows и MacOS.
SerpentAI — это фреймворк Game Agent (ps: в сражениях человек-машина, чтобы отличать игроков, игроков-машин обычно называют агентами), простой и мощный. Он может превратить любую игру в среду-песочницу, написанную на Python, где разработчики могут создавать игровые агенты для экспериментов, используя хорошо знакомый разработчикам код Python.
адрес проекта
https://www.oschina.net/p/serpentai
пять,Synaptic.js: библиотека нейронных сетей для браузеров
Почему вам нужно идти: Synaptic.js — это библиотека нейронных сетей JavaScript для node.js и браузера, которая может создавать и обучать практически любые нейронные сети первого или даже второго порядка.
В проект встроены 4 классических нейросетевых алгоритма: многослойные персептроны, многослойные сети с долговременной кратковременной памятью, Liquid State Machine и нейронная сеть Хопфилда. С Synaptic.js вы можете легко протестировать и сравнить производительность различных архитектур.
адрес проекта
https://www.oschina.net/p/serpentai
шесть,Snake-AI: искусственный интеллект для игр про змей
Рекомендуемая причина: игра-змейка, написанная на языке C/C++.искусственный интеллект. Кратчайший путь, самый длинный путь, используются алгоритмы искусственного интеллекта.
Цель ИИ — заставить змею съесть как можно больше еды, пока она не заполнит всю карту.
Demo
адрес проекта
https://www.oschina.net/p/snake-ai
Семь,Uncaptcha: алгоритм ИИ для взлома систем ReCAPTCHA
Почему мы рекомендуем его: алгоритм unCAPTCHA превосходит систему Google reCAPTCHA с вероятностью успеха 85%. Он основан на атаке аудио-капчи, которая использует программное обеспечение для автоматизации браузера для анализа необходимых элементов и распознавания голосовых номеров, а также программной передачи этих номеров, что в конечном итоге успешно обманывает целевой веб-сайт.
адрес проекта
https://www.oschina.net/p/uncaptcha
8,Sockeye: платформа нейронного машинного перевода на основе Apache MXNet
Рекомендуемая причина: НеркаАпач MXNetБыстрая и масштабируемая библиотека глубокого обучения.
Кодовая база Sockeye имеет уникальные преимущества от MXNet. Например, с помощью символического и императивного MXNet API Sockeye сочетает декларативный и императивный стили программирования, а также может параллельно обучать модели на нескольких графических процессорах.
Sockeye реализует текущую современную модель последовательностей последовательностей в сети MXNet. Он также предоставляет соответствующие значения по умолчанию для всех гиперпараметров модели между последовательностями. Для оптимизации не нужно беспокоиться о критериях остановки, отслеживании метрик или инициализации весов. Предоставленный обучающий интерфейс командной строки (CLI) можно просто запустить или можно легко изменить базовую архитектуру модели.
адрес проекта
https://www.oschina.net/p/sockeye
8,CycleGAN: Генеративный инструмент обработки изображений состязательной сети
Рекомендуемая причина: Этот инструмент очень мощный, он может не только «восстанавливать» картины в фотографии (что можно понимать как «обратный фильтр»), но и превращать лето в зиму или обычных лошадей в зебр.
В отличие от других картин искусственного интеллекта, исследовательская группа CycleGAN пытается создать двунаправленный алгоритм, который может конвертировать в обоих направлениях без потери информации. В CycleGAN требуется полное сохранение деталей фотографии.Исследователи надеются, что смогут ввести изображение в CycleGAN и выполнить несколько повторяющихся преобразований (фото→рисунок→фото→рисунок→фото) и, наконец, получить изображение, которое такое же или похожее на исходное фото. .
адрес проекта
https://www.oschina.net/p/cyclegan
десять,DeepLearn.js: JavaScript-библиотека машинного обучения для аппаратного ускорения
DeepLearn.js — это библиотека JavaScript с открытым исходным кодом, запущенная Google, которую можно использовать для машинного интеллекта и ускорения WebGL. Она полностью работает в браузере, не требует установки и не требует внутренней обработки. .
DeepLearn.js предоставляет эффективные строительные блоки машинного обучения, которые позволяют нам обучать нейронные сети в браузере или запускать предварительно обученные модели в режиме логического вывода. Он предоставляет API для построения дифференцируемых графов потоков данных, а также набор математических функций, которые можно использовать «из коробки».
Хотя библиотеки машинного обучения в браузере существуют уже много лет (например, convnetjs Андрея Карпати), они ограничены скоростью JavaScript или ограничены выводом и не могут использоваться для обучения (например, TensorFire). Напротив, deeplearn.js достигает значительного ускорения за счет использования WebGL для выполнения вычислений на графическом процессоре, а также возможности выполнять полное обратное распространение.
адрес проекта
https://www.oschina.net/p/deeplearn-js
11,TensorFire: платформа нейронной сети на стороне браузера на основе WebGL.
Рекомендуемая причина: TensorFire — это платформа нейронной сети на основе WebGL, которая работает в браузере. Приложения, написанные с помощью TensorFire, могут реализовывать передовые алгоритмы глубокого обучения и работать непосредственно в современных браузерах без какой-либо установки или настройки.
По сравнению с некоторыми предыдущими платформами нейронных сетей в браузере, TensorFire почти в сто раз быстрее и может даже соответствовать производительности кода, работающего на локальных процессорах.
Разработчики также могут использовать базовый интерфейс, предоставляемый TensorFire, для выполнения других высокопроизводительных вычислений, таких как PageRank, моделирование клеточных автоматов, преобразование и фильтрация изображений и т. д.
адрес проекта
https://www.oschina.net/p/tensorfire
двенадцать,PHP-ML: библиотека машинного обучения PHP
Рекомендуемая причина: все мы знаем, что Python или C++ предоставляют больше библиотек машинного обучения, но большинство из них сложнее, и для многих новичков их настройка является головной болью. Хотя в библиотеке машинного обучения PHP-ML нет особо высокоуровневых алгоритмов, в ней есть самые базовые алгоритмы машинного обучения, классификации и др. Небольшие проекты или небольшие компании могут выполнять некоторые простые задачи.анализ данных, прогноз и т.д. достаточно.
PHP-ML — это библиотека машинного обучения, написанная на PHP. Также содержит алгоритмы, перекрестную проверку, нейронные сети, предварительную обработку, извлечение признаков и т. д.
адрес проекта
https://www.oschina.net/p/php-ml
читать далее
Расширенное расширенное воспроизведение видео FFmpeg для Android
11 отличных проектов Android с открытым исходным кодом
11 проектов с открытым исходным кодом, которые разработчики Android не могут пропустить
Верьте в себя, нет ничего невозможного, только неожиданное.Если вы считаете, что эта статья полезна для вас, обратите внимание. более захватывающий день WeChat: код Googler оискусственный интеллектЯ считаю, что все видели или использовали множество проектов, но большинство из них выглядят очень «высокими», заставляя людей чувствовать, что их освоение похоже на обучение искусству убийства драконов. На самом деле, очень практичных и интересных проектов об искусственном интеллекте много, вот краткий список из 12 проектов искусственного интеллекта с открытым исходным кодом и уникальными функциями.
1. Scikit-learn для разнообразной кластеризации
Рекомендуемая причина: основанный на модуле Python, созданном Scipy для машинного обучения, он содержит множество алгоритмов классификации, регрессии и кластеризации, включая машины опорных векторов, логистическую регрессию, наивный байесовский классификатор, случайный лес, повышение градиента, алгоритмы кластеризации и DBSCAN. А также разработал числовые и научные библиотеки Python Numpy и Scipy.
адрес проекта:
https://link.zhihu.com/?target=http%3A//www.github.com/scikit-learn/scikit-learn
2. Эффективная рампа
Почему вам нужно идти: Ramp — это библиотека для разработки решений для ускоренного прототипирования в области машинного обучения на Python. Это легкая подключаемая платформа машинного обучения на основе pandas, а существующие инструменты машинного обучения и статистики на языке Python (такие как scikit-learn, rpy2 и т. д.). Ramp предоставляет простую декларативную функцию исследования синтаксиса, позволяющую реализовывать алгоритмы и трансформации быстро и эффективно.
адрес проекта
http://www.github.com/kvh/ramp
три,STYLE2PAINTS: мощный ИИ для раскрашивания штриховых рисунков
Рекомендуемая причина: новое поколение мощного искусственного интеллекта для раскрашивания штриховых рисунков, который может раскрашивать штриховые рисунки в соответствии с пользовательским цветом, загруженным пользователем. Проект обеспечиваетиспользовать онлайнСайт очень удобен в использовании.
[Ошибка загрузки изображения... (image-a09db7-1513783284687)]
адрес проекта
https://www.oschina.net/p/style2paints
Четыре,SerpentAI: обучающая среда на основе Python для обучения ИИ играть в игры
Рекомендуемая причина: SerpentAI стремится предоставитьмашинное обучениеа исследования ИИ представляют собой ценный инструмент. Но в то же время, это также очень интересно для энтузиастов.
[Ошибка загрузки изображения...(image-d786a5-1513783284687)]
Serpent.AI содержит большое количество модулей поддержки, предоставляя решения для сценариев, которые часто встречаются при использовании игр в качестве среды разработки, а также предоставляет инструменты CLI для ускорения разработки. Поддерживаются Linux, Windows и MacOS.
SerpentAI — это фреймворк Game Agent (ps: в сражениях человек-машина, чтобы отличать игроков, игроков-машин обычно называют агентами), простой и мощный. Он может превратить любую игру в среду-песочницу, написанную на Python, где разработчики могут создавать игровые агенты для экспериментов, используя хорошо знакомый разработчикам код Python.
адрес проекта
https://www.oschina.net/p/serpentai
пять,Synaptic.js: библиотека нейронных сетей для браузеров
Почему вам нужно идти: Synaptic.js — это библиотека нейронных сетей JavaScript для node.js и браузера, которая может создавать и обучать практически любые нейронные сети первого или даже второго порядка.
В проект встроены 4 классических нейросетевых алгоритма: многослойные персептроны, многослойные сети с долговременной кратковременной памятью, Liquid State Machine и нейронная сеть Хопфилда. С Synaptic.js вы можете легко протестировать и сравнить производительность различных архитектур.
адрес проекта
https://www.oschina.net/p/serpentai
шесть,Snake-AI: искусственный интеллект для игр про змей
Рекомендуемая причина: игра-змейка, написанная на языке C/C++.искусственный интеллект. Кратчайший путь, самый длинный путь, используются алгоритмы искусственного интеллекта.
Цель ИИ — заставить змею съесть как можно больше еды, пока она не заполнит всю карту.
Demo
[Загрузка сторонних изображений...(image-3b3c76-1513783284687)]
адрес проекта
https://www.oschina.net/p/snake-ai
Семь,Uncaptcha: алгоритм ИИ для взлома систем ReCAPTCHA
Почему мы рекомендуем его: алгоритм unCAPTCHA превосходит систему Google reCAPTCHA с вероятностью успеха 85%. Он основан на атаке аудио-капчи, которая использует программное обеспечение для автоматизации браузера для анализа необходимых элементов и распознавания голосовых номеров, а также программной передачи этих номеров, что в конечном итоге успешно обманывает целевой веб-сайт.
[Ошибка загрузки изображения...(image-c9e0c3-1513783284687)]
адрес проекта
https://www.oschina.net/p/uncaptcha
8,Sockeye: платформа нейронного машинного перевода на основе Apache MXNet
Рекомендуемая причина: НеркаАпач MXNetБыстрая и масштабируемая библиотека глубокого обучения.
Кодовая база Sockeye имеет уникальные преимущества от MXNet. Например, с помощью символического и императивного MXNet API Sockeye сочетает декларативный и императивный стили программирования, а также может параллельно обучать модели на нескольких графических процессорах.
Sockeye реализует текущую современную модель последовательностей последовательностей в сети MXNet. Он также предоставляет соответствующие значения по умолчанию для всех гиперпараметров модели между последовательностями. Для оптимизации не нужно беспокоиться о критериях остановки, отслеживании метрик или инициализации весов. Предоставленный обучающий интерфейс командной строки (CLI) можно просто запустить, или можно легко изменить базовую архитектуру модели.
адрес проекта
https://www.oschina.net/p/sockeye
8,CycleGAN: Генеративный инструмент обработки изображений состязательной сети
Рекомендуемая причина: Этот инструмент очень мощный, он может не только «восстанавливать» картины в фотографии (что можно понимать как «обратный фильтр»), но и превращать лето в зиму или обычных лошадей в зебр.
[Ошибка загрузки изображения... (image-83e636-1513783284687)]
В отличие от других картин искусственного интеллекта, исследовательская группа CycleGAN пытается создать двунаправленный алгоритм, который может конвертировать в обоих направлениях без потери информации. В CycleGAN требуется полное сохранение деталей фотографии.Исследователи надеются, что смогут ввести изображение в CycleGAN и выполнить несколько повторяющихся преобразований (фото→рисунок→фото→рисунок→фото) и, наконец, получить изображение, которое такое же или похожее на исходное фото. .
[Ошибка загрузки изображения...(image-46159d-1513783284687)]
адрес проекта
https://www.oschina.net/p/cyclegan
десять,DeepLearn.js: JavaScript-библиотека машинного обучения для аппаратного ускорения
DeepLearn.js — это библиотека JavaScript с открытым исходным кодом, запущенная Google, которую можно использовать для машинного интеллекта и ускорения WebGL. Она полностью работает в браузере, не требует установки и не требует внутренней обработки. .
[Ошибка загрузки изображения...(image-89d857-1513783284687)]
DeepLearn.js предоставляет эффективные строительные блоки машинного обучения, которые позволяют нам обучать нейронные сети в браузере или запускать предварительно обученные модели в режиме логического вывода. Он предоставляет API для построения дифференцируемых графов потоков данных, а также набор математических функций, которые можно использовать «из коробки».
Хотя библиотеки машинного обучения в браузере существуют уже много лет (например, convnetjs Андрея Карпати), они ограничены скоростью JavaScript или ограничены выводом и не могут использоваться для обучения (например, TensorFire). Напротив, deeplearn.js достигает значительного ускорения за счет использования WebGL для выполнения вычислений на графическом процессоре, а также возможности выполнять полное обратное распространение.
адрес проекта
https://www.oschina.net/p/deeplearn-js
11,TensorFire: платформа нейронной сети на стороне браузера на основе WebGL.
Рекомендуемая причина: TensorFire — это платформа нейронной сети на основе WebGL, которая работает в браузере. Приложения, написанные с помощью TensorFire, могут реализовывать передовые алгоритмы глубокого обучения и работать непосредственно в современных браузерах без какой-либо установки или настройки.
[Загрузка сторонних изображений...(image-2951b5-1513783284687)]
По сравнению с некоторыми предыдущими платформами нейронных сетей в браузере, TensorFire почти в сто раз быстрее и может даже соответствовать производительности кода, работающего на локальных процессорах.
Разработчики также могут использовать базовый интерфейс, предоставляемый TensorFire, для выполнения других высокопроизводительных вычислений, таких как PageRank, моделирование клеточных автоматов, преобразование и фильтрация изображений и т. д.
адрес проекта
https://www.oschina.net/p/tensorfire
двенадцать,PHP-ML: библиотека машинного обучения PHP
Рекомендуемая причина: все мы знаем, что Python или C++ предоставляют больше библиотек машинного обучения, но большинство из них сложнее, и для многих новичков их настройка является головной болью. Хотя в библиотеке машинного обучения PHP-ML нет особо высокоуровневых алгоритмов, в ней есть самые базовые алгоритмы машинного обучения, классификации и др. Небольшие проекты или небольшие компании могут выполнять некоторые простые задачи.анализ данных, прогноз и т.д. достаточно.
[Ошибка загрузки изображения...(image-9a5c74-1513783284687)]
PHP-ML — это библиотека машинного обучения, написанная на PHP. Также содержит алгоритмы, перекрестную проверку, нейронные сети, предварительную обработку, извлечение признаков и т. д.
адрес проекта
https://www.oschina.net/p/php-ml
читать далее
Расширенное расширенное воспроизведение видео FFmpeg для Android
11 отличных проектов Android с открытым исходным кодом
11 проектов с открытым исходным кодом, которые разработчики Android не могут пропустить
оискусственный интеллектЯ считаю, что все видели или использовали множество проектов, но большинство из них выглядят очень «высокими», заставляя людей чувствовать, что их освоение похоже на обучение искусству убийства драконов. На самом деле, очень практичных и интересных проектов об искусственном интеллекте много, вот краткий список из 12 проектов искусственного интеллекта с открытым исходным кодом и уникальными функциями.
1. Scikit-learn для разнообразной кластеризации
Рекомендуемая причина: основанный на модуле Python, созданном Scipy для машинного обучения, он содержит множество алгоритмов классификации, регрессии и кластеризации, включая машины опорных векторов, логистическую регрессию, наивный байесовский классификатор, случайный лес, повышение градиента, алгоритмы кластеризации и DBSCAN. А также разработал числовые и научные библиотеки Python Numpy и Scipy.
адрес проекта:
https://link.zhihu.com/?target=http%3A//www.github.com/scikit-learn/scikit-learn
2. Эффективная рампа
Почему вам нужно идти: Ramp — это библиотека для разработки решений для ускоренного прототипирования в области машинного обучения на Python. Это легкая подключаемая платформа машинного обучения на основе pandas, а существующие инструменты машинного обучения и статистики на языке Python (такие как scikit-learn, rpy2 и т. д.). Ramp предоставляет простую декларативную функцию исследования синтаксиса, позволяющую реализовывать алгоритмы и трансформации быстро и эффективно.
адрес проекта
http://www.github.com/kvh/ramp
три,STYLE2PAINTS: мощный ИИ для раскрашивания штриховых рисунков
Рекомендуемая причина: новое поколение мощного искусственного интеллекта для раскрашивания штриховых рисунков, который может раскрашивать штриховые рисунки в соответствии с пользовательским цветом, загруженным пользователем. Проект обеспечиваетиспользовать онлайнСайт очень удобен в использовании.
[Ошибка загрузки изображения... (image-a09db7-1513783284687)]
адрес проекта
https://www.oschina.net/p/style2paints
Четыре,SerpentAI: обучающая среда на основе Python для обучения ИИ играть в игры
Рекомендуемая причина: SerpentAI стремится предоставитьмашинное обучениеа исследования ИИ представляют собой ценный инструмент. Но в то же время, это также очень интересно для энтузиастов.
[Ошибка загрузки изображения...(image-d786a5-1513783284687)]
Serpent.AI содержит большое количество модулей поддержки, предоставляя решения для сценариев, которые часто встречаются при использовании игр в качестве среды разработки, а также предоставляет инструменты CLI для ускорения разработки. Поддерживаются Linux, Windows и MacOS.
SerpentAI — это фреймворк Game Agent (ps: в сражениях человек-машина, чтобы отличать игроков, игроков-машин обычно называют агентами), простой и мощный. Он может превратить любую игру в среду-песочницу, написанную на Python, где разработчики могут создавать игровые агенты для экспериментов, используя хорошо знакомый разработчикам код Python.
адрес проекта
https://www.oschina.net/p/serpentai
пять,Synaptic.js: библиотека нейронных сетей для браузеров
Почему вам нужно идти: Synaptic.js — это библиотека нейронных сетей JavaScript для node.js и браузера, которая может создавать и обучать практически любые нейронные сети первого или даже второго порядка.
В проект встроены 4 классических нейросетевых алгоритма: многослойные персептроны, многослойные сети с долговременной кратковременной памятью, Liquid State Machine и нейронная сеть Хопфилда. С Synaptic.js вы можете легко протестировать и сравнить производительность различных архитектур.
адрес проекта
https://www.oschina.net/p/serpentai
шесть,Snake-AI: искусственный интеллект для игр про змей
Рекомендуемая причина: игра-змейка, написанная на языке C/C++.искусственный интеллект. Кратчайший путь, самый длинный путь, используются алгоритмы искусственного интеллекта.
Цель ИИ — заставить змею съесть как можно больше еды, пока она не заполнит всю карту.
Demo
[Ошибка загрузки изображения...(image-3b3c76-1513783284687)]
адрес проекта
https://www.oschina.net/p/snake-ai
Семь,Uncaptcha: алгоритм ИИ для взлома систем ReCAPTCHA
Почему мы рекомендуем его: алгоритм unCAPTCHA превосходит систему Google reCAPTCHA с вероятностью успеха 85%. Он основан на атаке аудио-капчи, которая использует программное обеспечение для автоматизации браузера для анализа необходимых элементов и распознавания голосовых номеров, а также программной передачи этих номеров, что в конечном итоге успешно обманывает целевой веб-сайт.
[Ошибка загрузки изображения...(image-c9e0c3-1513783284687)]
адрес проекта
https://www.oschina.net/p/uncaptcha
8,Sockeye: платформа нейронного машинного перевода на основе Apache MXNet
Рекомендуемая причина: НеркаАпач MXNetБыстрая и масштабируемая библиотека глубокого обучения.
Кодовая база Sockeye имеет уникальные преимущества от MXNet. Например, с помощью символического и императивного MXNet API Sockeye сочетает декларативный и императивный стили программирования, а также может параллельно обучать модели на нескольких графических процессорах.
Sockeye реализует текущую современную модель последовательностей последовательностей в сети MXNet. Он также предоставляет соответствующие значения по умолчанию для всех гиперпараметров модели между последовательностями. Для оптимизации не нужно беспокоиться о критериях остановки, отслеживании метрик или инициализации весов. Предоставленный обучающий интерфейс командной строки (CLI) можно просто запустить, или можно легко изменить базовую архитектуру модели.
адрес проекта
https://www.oschina.net/p/sockeye
8,CycleGAN: Генеративный инструмент обработки изображений состязательной сети
Рекомендуемая причина: Этот инструмент очень мощный, он может не только «восстанавливать» картины в фотографии (что можно понимать как «обратный фильтр»), но и превращать лето в зиму или обычных лошадей в зебр.
[Загрузка сторонних изображений...(image-83e636-1513783284687)]
В отличие от других картин искусственного интеллекта, исследовательская группа CycleGAN пытается создать двунаправленный алгоритм, который может конвертировать в обоих направлениях без потери информации. В CycleGAN требуется полное сохранение деталей фотографии.Исследователи надеются, что смогут ввести изображение в CycleGAN и выполнить несколько повторяющихся преобразований (фото→рисунок→фото→рисунок→фото) и, наконец, получить изображение, которое такое же или похожее на исходное фото. .
[Ошибка загрузки изображения...(image-46159d-1513783284687)]
адрес проекта
https://www.oschina.net/p/cyclegan
десять,DeepLearn.js: JavaScript-библиотека машинного обучения для аппаратного ускорения
DeepLearn.js — это библиотека JavaScript с открытым исходным кодом, запущенная Google, которую можно использовать для машинного интеллекта и ускорения WebGL. Она полностью работает в браузере, не требует установки и не требует внутренней обработки. .
[Ошибка загрузки изображения...(image-89d857-1513783284687)]
DeepLearn.js предоставляет эффективные строительные блоки машинного обучения, которые позволяют нам обучать нейронные сети в браузере или запускать предварительно обученные модели в режиме логического вывода. Он предоставляет API для построения дифференцируемых графов потоков данных, а также набор математических функций, которые можно использовать «из коробки».
Хотя библиотеки машинного обучения в браузере существуют уже много лет (например, convnetjs Андрея Карпати), они ограничены скоростью JavaScript или ограничены выводом и не могут использоваться для обучения (например, TensorFire). Напротив, deeplearn.js достигает значительного ускорения за счет использования WebGL для выполнения вычислений на графическом процессоре, а также возможности выполнять полное обратное распространение.
Адрес проекта оискусственный интеллектЯ считаю, что все видели или использовали множество проектов, но большинство из них выглядят очень «высокими», заставляя людей чувствовать, что их освоение похоже на обучение искусству убийства драконов. На самом деле, очень практичных и интересных проектов об искусственном интеллекте много, вот краткий список из 12 проектов искусственного интеллекта с открытым исходным кодом и уникальными функциями.
1. Scikit-learn для разнообразной кластеризации
Рекомендуемая причина: основанный на модуле Python, созданном Scipy для машинного обучения, он содержит множество алгоритмов классификации, регрессии и кластеризации, включая машины опорных векторов, логистическую регрессию, наивный байесовский классификатор, случайный лес, повышение градиента, алгоритмы кластеризации и DBSCAN. А также разработал числовые и научные библиотеки Python Numpy и Scipy.
адрес проекта:
https://link.zhihu.com/?target=http%3A//www.github.com/scikit-learn/scikit-learn
2. Эффективная рампа
Почему вам нужно идти: Ramp — это библиотека для разработки решений для ускоренного прототипирования в области машинного обучения на Python. Это легкая подключаемая платформа машинного обучения на основе pandas, а существующие инструменты машинного обучения и статистики на языке Python (такие как scikit-learn, rpy2 и т. д.). Ramp предоставляет простую декларативную функцию исследования синтаксиса, позволяющую реализовывать алгоритмы и трансформации быстро и эффективно.
адрес проекта
http://www.github.com/kvh/ramp
три,STYLE2PAINTS: мощный ИИ для раскрашивания штриховых рисунков
Рекомендуемая причина: новое поколение мощного искусственного интеллекта для раскрашивания штриховых рисунков, который может раскрашивать штриховые рисунки в соответствии с пользовательским цветом, загруженным пользователем. Проект обеспечиваетиспользовать онлайнСайт очень удобен в использовании.
[Ошибка загрузки изображения... (image-cf04d1-1513783312474)]
адрес проекта
https://www.oschina.net/p/style2paints
Четыре,SerpentAI: обучающая среда на основе Python для обучения ИИ играть в игры
Рекомендуемая причина: SerpentAI стремится предоставитьмашинное обучениеа исследования ИИ представляют собой ценный инструмент. Но в то же время, это также очень интересно для энтузиастов.
[Ошибка загрузки изображения...(image-1b6d7c-1513783312474)]
Serpent.AI содержит большое количество модулей поддержки, предоставляя решения для сценариев, которые часто встречаются при использовании игр в качестве среды разработки, а также предоставляет инструменты CLI для ускорения разработки. Поддерживаются Linux, Windows и MacOS.
SerpentAI — это фреймворк Game Agent (ps: в сражениях человек-машина, чтобы отличать игроков, игроков-машин обычно называют агентами), простой и мощный. Он может превратить любую игру в среду-песочницу, написанную на Python, где разработчики могут создавать игровые агенты для экспериментов, используя хорошо знакомый разработчикам код Python.
адрес проекта
https://www.oschina.net/p/serpentai
пять,Synaptic.js: библиотека нейронных сетей для браузеров
Почему вам нужно идти: Synaptic.js — это библиотека нейронных сетей JavaScript для node.js и браузера, которая может создавать и обучать практически любые нейронные сети первого или даже второго порядка.
В проект встроены 4 классических нейросетевых алгоритма: многослойные персептроны, многослойные сети с долговременной кратковременной памятью, Liquid State Machine и нейронная сеть Хопфилда. С Synaptic.js вы можете легко протестировать и сравнить производительность различных архитектур.
адрес проекта
https://www.oschina.net/p/serpentai
шесть,Snake-AI: искусственный интеллект для игр про змей
Рекомендуемая причина: игра-змейка, написанная на языке C/C++.искусственный интеллект. Кратчайший путь, самый длинный путь, используются алгоритмы искусственного интеллекта.
Цель ИИ — заставить змею съесть как можно больше еды, пока она не заполнит всю карту.
Demo
[Ошибка загрузки изображения... (image-dfc3c6-1513783312474)]
адрес проекта
https://www.oschina.net/p/snake-ai
Семь,Uncaptcha: алгоритм ИИ для взлома систем ReCAPTCHA
Почему мы рекомендуем его: алгоритм unCAPTCHA превосходит систему Google reCAPTCHA с вероятностью успеха 85%. Он основан на атаке аудио-капчи, которая использует программное обеспечение для автоматизации браузера для анализа необходимых элементов и распознавания голосовых номеров, а также программной передачи этих номеров, что в конечном итоге успешно обманывает целевой веб-сайт.
[Ошибка загрузки изображения...(image-24afb-1513783312474)]
адрес проекта
https://www.oschina.net/p/uncaptcha
8,Sockeye: платформа нейронного машинного перевода на основе Apache MXNet
Рекомендуемая причина: НеркаАпач MXNetБыстрая и масштабируемая библиотека глубокого обучения.
Кодовая база Sockeye имеет уникальные преимущества от MXNet. Например, с помощью символического и императивного MXNet API Sockeye сочетает декларативный и императивный стили программирования, а также может параллельно обучать модели на нескольких графических процессорах.
Sockeye реализует текущую современную модель последовательностей последовательностей в сети MXNet. Он также предоставляет соответствующие значения по умолчанию для всех гиперпараметров модели между последовательностями. Для оптимизации не нужно беспокоиться о критериях остановки, отслеживании метрик или инициализации весов. Предоставленный обучающий интерфейс командной строки (CLI) можно просто запустить, или можно легко изменить базовую архитектуру модели.
адрес проекта
https://www.oschina.net/p/sockeye
8,CycleGAN: Генеративный инструмент обработки изображений состязательной сети
Рекомендуемая причина: Этот инструмент очень мощный, он может не только «восстанавливать» картины в фотографии (что можно понимать как «обратный фильтр»), но и превращать лето в зиму или обычных лошадей в зебр.
[Ошибка загрузки изображения...(image-b795c3-1513783312474)]
В отличие от других картин искусственного интеллекта, исследовательская группа CycleGAN пытается создать двунаправленный алгоритм, который может конвертировать в обоих направлениях без потери информации. В CycleGAN требуется полное сохранение деталей фотографии.Исследователи надеются, что смогут ввести изображение в CycleGAN и выполнить несколько повторяющихся преобразований (фото→рисунок→фото→рисунок→фото) и, наконец, получить изображение, которое такое же или похожее на исходное фото. .
[Ошибка загрузки изображения...(image-bd1c1c-1513783312474)]
адрес проекта
https://www.oschina.net/p/cyclegan
десять,DeepLearn.js: JavaScript-библиотека машинного обучения для аппаратного ускорения
DeepLearn.js — это библиотека JavaScript с открытым исходным кодом, запущенная Google, которую можно использовать для машинного интеллекта и ускорения WebGL. Она полностью работает в браузере, не требует установки и не требует внутренней обработки. .
[Ошибка загрузки изображения...(image-d198e0-1513783312474)]
DeepLearn.js предоставляет эффективные строительные блоки машинного обучения, которые позволяют нам обучать нейронные сети в браузере или запускать предварительно обученные модели в режиме логического вывода. Он предоставляет API для построения дифференцируемых графов потоков данных, а также набор математических функций, которые можно использовать «из коробки».
Хотя библиотеки машинного обучения в браузере существуют уже много лет (например, convnetjs Андрея Карпати), они ограничены скоростью JavaScript или ограничены выводом и не могут использоваться для обучения (например, TensorFire). Напротив, deeplearn.js достигает значительного ускорения за счет использования WebGL для выполнения вычислений на графическом процессоре, а также возможности выполнять полное обратное распространение.
адрес проекта
https://www.oschina.net/p/deeplearn-js
11,TensorFire: платформа нейронной сети на стороне браузера на основе WebGL.
Рекомендуемая причина: TensorFire — это платформа нейронной сети на основе WebGL, которая работает в браузере. Приложения, написанные с помощью TensorFire, могут реализовывать передовые алгоритмы глубокого обучения и работать непосредственно в современных браузерах без какой-либо установки или настройки.
[Ошибка загрузки изображения...(image-7918d5-1513783312474)]
По сравнению с некоторыми предыдущими платформами нейронных сетей в браузере, TensorFire почти в сто раз быстрее и может даже соответствовать производительности кода, работающего на локальных процессорах.
Разработчики также могут использовать базовый интерфейс, предоставляемый TensorFire, для выполнения других высокопроизводительных вычислений, таких как PageRank, моделирование клеточных автоматов, преобразование и фильтрация изображений и т. д.
адрес проекта
https://www.oschina.net/p/tensorfire
двенадцать,PHP-ML: библиотека машинного обучения PHP
Рекомендуемая причина: все мы знаем, что Python или C++ предоставляют больше библиотек машинного обучения, но большинство из них сложнее, и для многих новичков их настройка является головной болью. Хотя в библиотеке машинного обучения PHP-ML нет особо высокоуровневых алгоритмов, в ней есть самые базовые алгоритмы машинного обучения, классификации и др. Небольшие проекты или небольшие компании могут выполнять некоторые простые задачи.анализ данных, прогноз и т.д. достаточно.
[Ошибка загрузки изображения...(image-2be3bd-1513783312474)]
PHP-ML — это библиотека машинного обучения, написанная на PHP. Также содержит алгоритмы, перекрестную проверку, нейронные сети, предварительную обработку, извлечение признаков и т. д.
адрес проекта
https://www.oschina.net/p/php-ml
читать далее
Расширенное расширенное воспроизведение видео FFmpeg для Android
11 отличных проектов Android с открытым исходным кодом
11 проектов с открытым исходным кодом, которые разработчики Android не могут пропустить
Верьте в себя, нет ничего невозможного, только неожиданное.Если вы считаете, что эта статья полезна для вас, обратите внимание. более захватывающий день WeChat: код Googler
https://www.oschina.net/p/deeplearn-js
11,TensorFire: платформа нейронной сети на стороне браузера на основе WebGL.
Рекомендуемая причина: TensorFire — это платформа нейронной сети на основе WebGL, которая работает в браузере. Приложения, написанные с помощью TensorFire, могут реализовывать передовые алгоритмы глубокого обучения и работать непосредственно в современных браузерах без какой-либо установки или настройки.
[Загрузка сторонних изображений...(image-2951b5-1513783284687)]
По сравнению с некоторыми предыдущими платформами нейронных сетей в браузере, TensorFire почти в сто раз быстрее и может даже соответствовать производительности кода, работающего на локальных процессорах.
Разработчики также могут использовать базовый интерфейс, предоставляемый TensorFire, для выполнения других высокопроизводительных вычислений, таких как PageRank, моделирование клеточных автоматов, преобразование и фильтрация изображений и т. д.
адрес проекта
https://www.oschina.net/p/tensorfire
двенадцать,PHP-ML: библиотека машинного обучения PHP
Рекомендуемая причина: все мы знаем, что Python или C++ предоставляют больше библиотек машинного обучения, но большинство из них сложнее, и для многих новичков их настройка является головной болью. Хотя в библиотеке машинного обучения PHP-ML нет особо высокоуровневых алгоритмов, в ней есть самые базовые алгоритмы машинного обучения, классификации и др. Небольшие проекты или небольшие компании могут выполнять некоторые простые задачи.анализ данных, прогноз и т.д. достаточно.
[Ошибка загрузки изображения...(image-9a5c74-1513783284687)]
PHP-ML — это библиотека машинного обучения, написанная на PHP. Также содержит алгоритмы, перекрестную проверку, нейронные сети, предварительную обработку, извлечение признаков и т. д.
адрес проекта
https://www.oschina.net/p/php-ml
читать далее
Расширенное расширенное воспроизведение видео FFmpeg для Android
11 отличных проектов Android с открытым исходным кодом
11 проектов с открытым исходным кодом, которые разработчики Android не могут пропустить
оискусственный интеллектЯ считаю, что все видели или использовали множество проектов, но большинство из них выглядят очень «высокими», заставляя людей чувствовать, что их освоение похоже на обучение искусству убийства драконов. На самом деле, очень практичных и интересных проектов об искусственном интеллекте много, вот краткий список из 12 проектов искусственного интеллекта с открытым исходным кодом и уникальными функциями.
1. Scikit-learn для разнообразной кластеризации
Рекомендуемая причина: основанный на модуле Python, созданном Scipy для машинного обучения, он содержит множество алгоритмов классификации, регрессии и кластеризации, включая машины опорных векторов, логистическую регрессию, наивный байесовский классификатор, случайный лес, повышение градиента, алгоритмы кластеризации и DBSCAN. А также разработал числовые и научные библиотеки Python Numpy и Scipy.
адрес проекта:
https://link.zhihu.com/?target=http%3A//www.github.com/scikit-learn/scikit-learn
2. Эффективная рампа
Почему вам нужно идти: Ramp — это библиотека для разработки решений для ускоренного прототипирования в области машинного обучения на Python. Это легкая подключаемая платформа машинного обучения на основе pandas, а существующие инструменты машинного обучения и статистики на языке Python (такие как scikit-learn, rpy2 и т. д.). Ramp предоставляет простую декларативную функцию исследования синтаксиса, позволяющую реализовывать алгоритмы и трансформации быстро и эффективно.
адрес проекта
http://www.github.com/kvh/ramp
три,STYLE2PAINTS: мощный ИИ для раскрашивания штриховых рисунков
Рекомендуемая причина: новое поколение мощного искусственного интеллекта для раскрашивания штриховых рисунков, который может раскрашивать штриховые рисунки в соответствии с пользовательским цветом, загруженным пользователем. Проект обеспечиваетиспользовать онлайнСайт очень удобен в использовании.
[Ошибка загрузки изображения... (image-a09db7-1513783284687)]
адрес проекта
https://www.oschina.net/p/style2paints
Четыре,SerpentAI: обучающая среда на основе Python для обучения ИИ играть в игры
Рекомендуемая причина: SerpentAI стремится предоставитьмашинное обучениеа исследования ИИ представляют собой ценный инструмент. Но в то же время, это также очень интересно для энтузиастов.
[Ошибка загрузки изображения...(image-d786a5-1513783284687)]
Serpent.AI содержит большое количество модулей поддержки, предоставляя решения для сценариев, которые часто встречаются при использовании игр в качестве среды разработки, а также предоставляет инструменты CLI для ускорения разработки. Поддерживаются Linux, Windows и MacOS.
SerpentAI — это фреймворк Game Agent (ps: в сражениях человек-машина, чтобы отличать игроков, игроков-машин обычно называют агентами), простой и мощный. Он может превратить любую игру в среду-песочницу, написанную на Python, где разработчики могут создавать игровые агенты для экспериментов, используя хорошо знакомый разработчикам код Python.
адрес проекта
https://www.oschina.net/p/serpentai
пять,Synaptic.js: библиотека нейронных сетей для браузеров
Почему вам нужно идти: Synaptic.js — это библиотека нейронных сетей JavaScript для node.js и браузера, которая может создавать и обучать практически любые нейронные сети первого или даже второго порядка.
В проект встроены 4 классических нейросетевых алгоритма: многослойные персептроны, многослойные сети с долговременной кратковременной памятью, Liquid State Machine и нейронная сеть Хопфилда. С Synaptic.js вы можете легко протестировать и сравнить производительность различных архитектур.
адрес проекта
https://www.oschina.net/p/serpentai
шесть,Snake-AI: искусственный интеллект для игр про змей
Рекомендуемая причина: игра-змейка, написанная на языке C/C++.искусственный интеллект. Кратчайший путь, самый длинный путь, используются алгоритмы искусственного интеллекта.
Цель ИИ — заставить змею съесть как можно больше еды, пока она не заполнит всю карту.
Demo
[Загрузка сторонних изображений...(image-3b3c76-1513783284687)]
адрес проекта
https://www.oschina.net/p/snake-ai
Семь,Uncaptcha: алгоритм ИИ для взлома систем ReCAPTCHA
Почему мы рекомендуем его: алгоритм unCAPTCHA превосходит систему Google reCAPTCHA с вероятностью успеха 85%. Он основан на атаке аудио-капчи, которая использует программное обеспечение для автоматизации браузера для анализа необходимых элементов и распознавания голосовых номеров, а также программной передачи этих номеров, что в конечном итоге успешно обманывает целевой веб-сайт.
[Ошибка загрузки изображения...(image-c9e0c3-1513783284687)]
адрес проекта
https://www.oschina.net/p/uncaptcha
8,Sockeye: платформа нейронного машинного перевода на основе Apache MXNet
Рекомендуемая причина: НеркаАпач MXNetБыстрая и масштабируемая библиотека глубокого обучения.
Кодовая база Sockeye имеет уникальные преимущества от MXNet. Например, с помощью символического и императивного MXNet API Sockeye сочетает декларативный и императивный стили программирования, а также может параллельно обучать модели на нескольких графических процессорах.
Sockeye реализует текущую современную модель последовательностей последовательностей в сети MXNet. Он также предоставляет соответствующие значения по умолчанию для всех гиперпараметров модели между последовательностями. Для оптимизации не нужно беспокоиться о критериях остановки, отслеживании метрик или инициализации весов. Предоставленный обучающий интерфейс командной строки (CLI) можно просто запустить, или можно легко изменить базовую архитектуру модели.
адрес проекта
https://www.oschina.net/p/sockeye
8,CycleGAN: Генеративный инструмент обработки изображений состязательной сети
Рекомендуемая причина: Этот инструмент очень мощный, он может не только «восстанавливать» картины в фотографии (что можно понимать как «обратный фильтр»), но и превращать лето в зиму или обычных лошадей в зебр.
[Загрузка сторонних изображений...(image-83e636-1513783284687)]
В отличие от других картин искусственного интеллекта, исследовательская группа CycleGAN пытается создать двунаправленный алгоритм, который может конвертировать в обоих направлениях без потери информации. В CycleGAN требуется полное сохранение деталей фотографии.Исследователи надеются, что смогут ввести изображение в CycleGAN и выполнить несколько повторяющихся преобразований (фото→рисунок→фото→рисунок→фото) и, наконец, получить изображение, которое такое же или похожее на исходное фото. .
[Ошибка загрузки изображения...(image-46159d-1513783284687)]
адрес проекта
https://www.oschina.net/p/cyclegan
десять,DeepLearn.js: JavaScript-библиотека машинного обучения для аппаратного ускорения
DeepLearn.js — это библиотека JavaScript с открытым исходным кодом, запущенная Google, которую можно использовать для машинного интеллекта и ускорения WebGL. Она полностью работает в браузере, не требует установки и не требует внутренней обработки. .
[Ошибка загрузки изображения...(image-89d857-1513783284687)]
DeepLearn.js предоставляет эффективные строительные блоки машинного обучения, которые позволяют нам обучать нейронные сети в браузере или запускать предварительно обученные модели в режиме логического вывода. Он предоставляет API для построения дифференцируемых графов потоков данных, а также набор математических функций, которые можно использовать «из коробки».
Хотя библиотеки машинного обучения в браузере существуют уже много лет (например, convnetjs Андрея Карпати), они ограничены скоростью JavaScript или ограничены выводом и не могут использоваться для обучения (например, TensorFire). Напротив, deeplearn.js достигает значительного ускорения за счет использования WebGL для выполнения вычислений на графическом процессоре, а также возможности выполнять полное обратное распространение.
адрес проекта
https://www.oschina.net/p/deeplearn-js
11,TensorFire: платформа нейронной сети на стороне браузера на основе WebGL.
Рекомендуемая причина: TensorFire — это платформа нейронной сети на основе WebGL, которая работает в браузере. Приложения, написанные с помощью TensorFire, могут реализовывать передовые алгоритмы глубокого обучения и работать непосредственно в современных браузерах без какой-либо установки или настройки.
[Ошибка загрузки изображения...(image-2951b5-1513783284687)]
По сравнению с некоторыми предыдущими платформами нейронных сетей в браузере, TensorFire почти в сто раз быстрее и может даже соответствовать производительности кода, работающего на локальных процессорах.
Разработчики также могут использовать базовый интерфейс, предоставляемый TensorFire, для выполнения других высокопроизводительных вычислений, таких как PageRank, моделирование клеточных автоматов, преобразование и фильтрация изображений и т. д.
адрес проекта
https://www.oschina.net/p/tensorfire
двенадцать,PHP-ML: библиотека машинного обучения PHP
Рекомендуемая причина: все мы знаем, что Python или C++ предоставляют больше библиотек машинного обучения, но большинство из них сложнее, и для многих новичков их настройка является головной болью. Хотя в библиотеке машинного обучения PHP-ML нет особо высокоуровневых алгоритмов, в ней есть самые базовые алгоритмы машинного обучения, классификации и др. Небольшие проекты или небольшие компании могут выполнять некоторые простые задачи.анализ данных, прогноз и т.д. достаточно.
PHP-ML — это библиотека машинного обучения, написанная на PHP. Также содержит алгоритмы, перекрестную проверку, нейронные сети, предварительную обработку, извлечение признаков и т. д.
адрес проекта
https://www.oschina.net/p/php-ml
Верь в себя, нет ничего невозможного, только неожиданное
Если вы считаете, что эта статья была вам полезна, обратите внимание на публичный аккаунт WeChat: Terminal R&D Department