2018年2月份Github上最熱門的數據科學和機器學習項目

作者 | Pranav Dar

譯者 | 馬卓奇

編輯 | Emily

AI 前線導讀：GitHub 項目倉庫讓數據科學領域的從業者可以方便快捷地跟進該領域的最新進展。它也是一個很好的協作工具，可以與其他數據科學家共同合作完成項目。本文將簡單介紹 2 月份 Github 上最火的 5 個數據科學和機器學習項目。

更多乾貨內容請關注微信公眾號「AI 前線」，（ID：ai-front）

FastPhotoStyle（快速照片風格轉換）

FastPhotoStyle 是 NVIDIA 開發的 python 庫。該模型將一張內容照片和一張風格圖作為輸入，然後將內容照片轉換為風格圖的風格。

開發人員給出了兩個演算法示例。第一個是十分簡單的迭代演算法——下載一張內容圖和風格圖，調整圖像尺寸，然後運行照片真實感圖像風格化代碼。第二個樣例中，需要利用語義分割標籤圖來生成帶有語義的風格化圖像。

Twitter Scraper（Twitter 爬蟲）

如果你曾經在 Twitter 上爬過推送，你肯定用過 Twitter 自己給出的 API，Twitter 自己的 API 有流速限制。這個 python 庫就是考慮到這一點——它沒有 API 限流（不需要任何驗證），沒有限制，並且超級快。你可以用這個庫爬取任何用戶的任意一條推特。

開發者提出它可以用於設計馬爾科夫鏈，但目前只能用於 python 3.6 及以上版本。

Handwriting Synthesis（手寫體合成）

這個項目來自 Alex Graves 的論文《Generating Sequences with Recurrent Neural Networks（用 RNN 生成序列）》，是其中手寫體合成實驗的實現。它可以生成不同風格的手寫字跡。模型包括初始化和偏置兩個部分。初始化控制樣例的風格，偏置控制樣例的整潔度。

作者在這個項目的 GitHub 主頁上展示了各種各樣的樣例風格。作者還在尋找這個項目的貢獻者，如果你有興趣，請與作者聯繫。

ENAS PyTorch（高效神經網路結構搜索）

這個項目是對論文《Efficient Neural Architecture Search (ENAS) via Parameters Sharing（參數共享的高效神經網路結構搜索）》的實現。ENAS 減少了計算需求，將 NAS 的 GPU 計算時間減少了足足 1000 倍。他們通過共享大型計算圖中的子圖模型間的參數實現了這一點。

使用方法在 GitHub 上有詳細介紹，下面是這個庫所需的依賴項：

Python 3.6+

PyTorch

tqdm, imageio, graphviz, tqdm, tensorboardX

Sign Language（手勢語言識別）

這是一個相對簡單又十分有趣的機器學習項目。開發人員在 python 中使用卷積神經網路構造模型，可以識別出手勢，並將其轉換成文字。

作者用 Tensorflow 和 Keras 共同搭建了 CNN 模型。作者特別詳細地說明了他是怎麼創建這個項目的，以及每一步是怎麼進行的。所以這絕對是一個值得一試的項目。

查看英文原文：

https://www.analyticsvidhya.com/blog/2018/03/top-5-github-repositories-february-2018/

如果您覺得內容優質，記得給我們「留言」和「點贊」，給編輯鼓勵一下！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！