五个很『好看』的机器学习库

1、如是说

此次她们来撷取GitHub中相关机器学习的四个有趣的库。

GitHub是两个面向全国开放源码及专有应用软件工程项目的代销网络平台，即使只全力支持git 做为惟一的版库文档格式展开代销，故称GitHub。

除git标识符仓库代销及基本上的Web管理组织工作介面之外，还提供更多了订户、维奈县、文档图形、新浪网文档GUI、协同图表（财务报表）、标识符短片撷取（Gist）等机能。

2、加速卡通化相片

fastphotostyle是由NVIDIA合作开发的Python库，该数学模型以文档相片和式样相片做为输出，接着将式样相片的式样北迁到文档相片中。

上面她们用三个范例来表明演算法是怎样组织工作的。

2.1 例一

依次浏览文档和艺术风格的相片，发生改变她们的大小不一，接着运转相片卡通化流程。

2.2 例二

在第三个实例中，采用语法记号态射建立卡通化的影像。

3、twitter粗皮

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，而且不容易采用。这个Python库没有API速率限制（不需要身份验证），没有限制，而且是超加速的。你可以采用这个库来扒任何用户微博。

合作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”中提出的笔迹综合实验的两个实现。正如GitHub的名称所暗示的那样，您可以生成不同艺术风格的手写体。

该数学模型是基于启动（priming）和偏置（biasing），启动控制样品的艺术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，想想可以自己建立一幅王羲之的书法贴，是不是有点小激动。

5、ENAS PyTorch

这是两个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展开优化，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

这是两个相对简单但又非常令人着迷的机器学习的用法。在Python中采用卷积神经网络（CNN），合作开发人员构建了两个数学模型，该数学模型可以识别手势并将其转换为机器上的文档。

7、结语

人工智能（AI）的时代已经来临，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。

－数据分析展示就用 DataHunter－

数据可视化大屏展示工具-免费试用www.datahunter.cn?channel=weibo