五个很『都雅』的机器学习库

小池儿

1、介绍

此次我们来分享GitHub中有关机器学习的五个有意思的库。

GitHub是一个面向开源及私有软件项目的托管平台，因为只撑持git 作为独一的版本库格式进行托管，故名GitHub。

除了git代码仓库托管及基本的Web打点界面以外，还提供了订阅、讨论组、文本衬着、在线文件编纂器、协作图谱（报表）、代码片段分享（Gist）等功能。

2、快速风格化照片

https://github.com/NVIDIA/FastPhotoStyle

fastphotostyle是由NVIDIA开发的Python库，该模型以内容照片和样式照片作为输入，然后将样式照片的样式迁移到内容照片中。

下面我们用两个例子来说明算法是如何工作的。
2.1  例一

分袂下载内容和风格的图片，改变他们的大小，然后运行照片风格化法式。



2.2  例二

在第二个示例中，使用语义标识表记标帜映射创建风格化的图像。



3、推特刮板

https://github.com/kennethreitz/twitter-scraper

如果你曾经从twitter上扒过推文，你就会吐槽它的API：有限制，而且不容易使用。这个Python库没有API速率限制（不需要身份验证），没有限制，而且是超快速的。你可以使用这个库来扒任何用户微博。



开发人员已经提到它可以用来制造马尔可夫链。请注意，它只适用于Python版本3.6 +。



4、手写体的合成

https://github.com/sjvasquez/handwriting-synthesis

这是Alex Graves在“递归神经网络生成序列”中提出的笔迹综合尝试的一个实现。正如GitHub的名称所暗示的那样，您可以生成分歧风格的手写体。

该模型是基于启动（priming）和偏置（biasing），启动控制样品的风格和偏压控制样品的整洁。



在GitHub页面还有更多迷人的多样性的样本，想想可以本身创建一幅王羲之的书法贴，是不是有点小感动。

5、ENAS  PyTorch

https://github.com/carpedm20/ENAS-pytorch

这是一个pytorch实现的“通过参数共享完成有效的神经架构的搜索（ENAS）”。说白了就是通过机器学习对神经网络进行优化，减少了计算需求，据说优化之后GPU的神经架构搜索时间达到了难以置信的1000倍。



6、手语识别

https://github.com/EvilPort2/Sign-Language

这是一个相对简单但又非常令人沉迷的机器学习的用法。在Python中使用卷积神经网络（CNN），开发人员构建了一个模型，该模型可以识别手势并将其转换为机器上的文本。



7、结语

人工智能（AI）的时代已经到临，是拥抱未来，还是被未来甩开，你的选择呢？

本文由DataHunter独家翻译。