新智元所推荐
【新智元编者按】2018年立刻要是完结了，他们来简述呵呵往后的这两年中，机器自学应用领域有什么样有意思的事吧！他们先来看一看Mybridge AI 中排名靠前的世界顶级开放源码工程项目，再谈谈机器自学去年都有什么样产业发展，最终追寻下捷伊两年中常有什么样有值得称赞他们期盼的事。
世界顶级的开放源码工程项目BERT
BERT，全称作Bidirectional Encoder Representations from Transformers，是一类如前所述TensorFlow化解语义处置的新方法，且操控性更快。他们能采用BERT中的 预体能训练数学模型补救，该数学模型在操控性上具备十分大竞争优势，比如说能辨识语句中的语句。在Github中十分畅销，有8848个星，完备科学论文请出访这儿。
https://github.com/google-research/bert
https://arxiv.org/abs/1810.04805
DeepCreamPy
DeepCreamPy是两个广度自学工具，能像Photoshop一样重建图像中被删除的区域。他们采用图像编辑工具（比如说PS）将删减的区域填充为绿色，神经网络能对其进行复原。该工程项目在Github中有6365颗星。
https://github.com/deeppomf/DeepCreamPy
TRFL
TRFL工程项目可用于编写TensorFlow中的强化自学代理，具体的操作文档在这儿。
https://github.com/deepmind
https://github.com/deepmind/trfl/blob/master/docs/index.md
Horizon
Horizon是两个如前所述PyTorch构建的强化自学平台，并采用Caffe2为数学模型提供服务。Horizon的主要竞争优势在于，设计者在设计这一平台的时候，考虑了生产用例。想要了解更多详细内容，请查看FacebookResearch官方文档。另外，如果你想采用Horizon，可查看该采用文档。
https://github.com/facebookresearch/Horizon?
https://heartbeat.fritz.ai/introduction-to-pytorch-for-deep-learning-5b437cea90ac
https://github.com/facebookresearch/Horizon/blob/master/docs/usage.md
DeOldify
DeOldify是两个用于着色和恢复旧图像的广度自学库。开发者结合了几种不同的方法，来实现这一目标，其中的几种方法包括：带自注意力机制的生成对抗网络（Self-Attention GenerativeAdversarial Networks），Progressive Growing of GANs，以及TTUR（ TwoTime-Scale Update Rule）。
https://github.com/jantic/DeOldify
https://arxiv.org/abs/1805.08318
https://arxiv.org/abs/1710.10196
https://arxiv.org/abs/1706.08500
AdaNet
AdaNet是两个如前所述TensorFlow的库，它能自动自学数学模型，且不需要很多的技术人员参与，该工程项目如前所述AdaNet算法。出访AdaNet的官方文档，请点击这儿。
https://github.com/tensorflow/adanet
http://proceedings.mlr.press/v70/cortes17a.html
https://adanet.readthedocs.io/
Graph Nets
Graph Nets是用于构建Sonnet和TensorFlow的DeepMind库。Graph 网络输入两个图形，输出也是两个图形。
https://github.com/deepmind/graph_nets
Maskrcnn-benchmark
Maskrcnn-benchmark工程项目能帮助他们在Pytorch中构建对象检测和分割工具。这个库的竞争优势在于速度快、内存效率高，能进行多个GPU体能训练和推断，且为推断提供CPU支持。
https://github.com/facebookresearch/maskrcnn-benchmark
PocketFlow
PocketFlow工程项目是两个加速和压缩广度自学数学模型的架构。它化解了大多数深度自学数学模型的计算费用问题。该工程项目最初由腾讯AI实验室的研究人员开发，了解其实现及官方文档请点击这儿。
https://github.com/Tencent/PocketFlow
https://pocketflow.github.io/
MAMEToolkit
MAMEToolKit是两个体能训练街机游戏强化自学算法的库，采用该工具能跟踪游戏状态，同时也能接收游戏帧数据。
https://github.com/M-J-Murray/MAMEToolkit
机器自学架构的主要产业发展PyTorch 1.0
在去年10月份举办的PyTorch会议期间，Facebook发布了PyTorch 1.0预览版。PyTorch 1.0化解了以下问题：体能训练耗时长、联网问题、缓慢的可扩展性以及Python编程语言带来的一些不灵活性。
PyTorch 1.0引入了一组编译工具Torch.jit，这将弥补生产和研究之间的差距。Torch.jit中包含Python中的Torch Script语言，在PyTorch 1.0中，他们能采用图形模式构建数学模型，这在开发高操控性和低延迟的应用程序中十分有用。
Auto-Keras
你或许听过自动化机器自学（automated machine learning），即自动化搜索机器自学数学模型的最佳参数。除Auto-Keras之外，还有其他的自动化机器自学数学模型，比如说Google的AutoML。Auto-Keras是如前所述Keras和ENAS编写的，其中，ENAS是神经网络结构搜索的最新版本。
https://cloud.google.com/automl/
https://autokeras.com/
https://keras.io/
https://arxiv.org/abs/1802.03268
https://en.wikipedia.org/wiki/Neural_architecture_search
TensorFlow Serving
采用TensorFlow Serving系统，他们能更加轻松的将TensorFlow数学模型部署到生产环境中。虽然TensorFlow Serving在2017年就已经发布，但是去年更加注重将数学模型应用到生产环境环节。
https://www.tensorflow.org/serving/
Machine Learning Javascript
现在已经有一些可以允许开发人员在浏览器上运行数学模型的Javascript架构，比如说TensorFlow.js和Keras.js。其数学模型实现与采用的方法，与Keras或TensorFlow等常规架构十分相似。
https://js.tensorflow.org/
https://github.com/transcranial/keras-js
展望未来2019年立刻要是到了，随着Auto-Keras等自动化工具的产业发展，开发人员的工作有望变得更加轻松。除此以外，他们还拥有先进的研究以及优秀的社区，各类机器自学架构的操控性还会更上一层楼。
文章原标题：
《2018 Year-in-Review: Machine Learning Open Source Projects & Frameworks》译者：Mags 审校：袁虎
更多阅读：
突发！中国法院初步裁决禁售多款iPhone，高通告赢了苹果？
禁售iPhone再升级！高通寻求美国禁止进口苹果，5G大战英特尔躺枪
本文授权转载自云栖社区（ID：yunqiinsight）
【加入社群】
新智元 AI 技术 + 产业社群招募中，欢迎对 AI 技术aiera2015_2 入群；通过审核后他们将邀请进群，加入社群后务必修改群备注（姓名 – 公司 – 职位；专业群审核较严，敬请谅解）。
