四月最佳 Github 項目庫與最有趣 Reddit 熱點討論

本文原載於微信公眾號「磐創 AI」，作者磐石，AI 研習社獲其授權轉載。關注「磐創 AI」微信公眾號回復0507，可獲得百 G 數據集。

目錄

介紹

Github月度最佳項目庫

Reddit熱點討論

介紹

對於數據科學和機器學習，GitHub和Reddit也許是兩個最受歡迎的平台。前者是在代碼和項目之間共享和協作的絕佳工具，而後者則是與全球數據科學愛好者交流互動的最佳平台之一。

在4月份，有一些驚艷的python項目開放了源代碼。從可以完美融合一張圖到另一張圖片中的Deep Painterly Harmonization(深度繪畫協調庫)到Swift for TensorFlow（tensorflow兼容swift）。下面的介紹將涵蓋四月份最佳的幾個開源項目倉庫。

接下來，讓我們來看看四月份的最佳Git倉庫和最有趣的Reddit討論。

GitHub 月度最佳項目庫

1.Deep Painterly Harmonization（深度繪畫融合）

https://github.com/luanfujun/deep-painterly-harmonization對圖像進行處理並且使處理後的圖像看起來像真實圖像一樣這類技術已經存在很久了。但是通過深度學習去實現將會更加有效率和更加逼真。開發人員提出了一種演算法用以實現繪製一幅繪畫：在一張圖片中添加一個外部元素並使其與之融合，而且看起來幾乎與原始繪畫風格一樣。

正如上面的圖像所示-右邊第三幅是最終輸出，如果我們沒有前面的兩個圖像，我們可能無法區分出氣球是一個外部插入對象。這種演算法產生比照片合成或全局程式化技術（ global stylization techniques）更精確的結果，並且實現迄今為止非常難以實現的處理水平。

2.Swift for TensorFlow

https://github.com/tensorflow/swift

谷歌上個月將Swift for TensorFlow在TensorFlow開發者峰會上進行了演示，而且其技術團隊已經開始在GitHub上向大家提供開源代碼。他們的目標是在Tensorflow已經很強大的功能基礎上為其提供一個全新的編程模型，同時還注重提高整個軟體架構每一層的可用性。目前這個項目還處於早期開發階段，因此尚未準備好寫入深度學習模型。該團隊聲稱，現在距實現項目原定目標還需要一段時間，同時該項目還有很多潛在功能尚未實現。

3.MUNIT: Multimodal UNsupervised Image-to-image Translation（多模態無監督圖像轉換）

https://github.com/NVlabs/MUNIT

來自康奈爾大學的研究小組提出了一種多模態無監督的圖像到圖像轉換問題的標準框架-（MUNIT）框架，用於將圖像從一個域轉換到另一個域。通俗來講，就是拍攝一張圖像，並從中產生一個新圖像（例如，將狗的圖像轉換為貓）。

先前存在的方法僅僅可以實現給定圖像的一對一映射，因此不能對一個圖像產生多個不同輸出結果。而MUNIT的另一個激動人心的功能正是可以為一張圖片提供多個輸出。

4.GluonNLP

https://github.com/dmlc/gluon-nlp

最近，深度學習在自然語言處理領域取得了很大的進展。網路生活中每時每刻都會產生大量的文字，這是從上個世紀就開始的現象。GluonNLP是一個自然語言處理工具包，它旨在使數據科學家們更便捷的去完成NLP任務--更簡單方便的實現文本預處理和載入數據集並構建深度學習神經模型。這極大的促進了NLP研究的高效與便捷。

5.PyTorch GAN

https://github.com/eriklindernoren/PyTorch-GAN

PyTorch GAN這個Github庫就像是一個金礦，值得大家去挖掘。GAN（生成對抗網路）由14 年 Ian Goodfellow 等人提出，隨後關於GAN的各種變體版本就相繼出現。而PyTorch GAN庫就是是針對GAN（或生成對抗網路）以及其各種變體的PyTorch實現的集合。目前該項目庫已經列出了24種不同的實現，每種實現都會在一定程度上特別地為你提供方便。例如，其中包含Adversarial Autoencoders，CycleGAN，Least Squares GAN，Pix2Pix等的實現。

Reddit 熱點討論

1.幫助用戶理解研究論文

https://www.reddit.com/r/MachineLearning/comments/8b4vi0/d_anyone_having_trouble_reading_a_particular/

如果你在讀研究論文時遇到了困難，那麼Reddit機器學習社區願意為你提供幫助。這個很棒的提議已經幫助了一大群人在研究論文中收穫更多，而以往他們往往只是在遇見問題時放棄閱讀或者直接跳過。

值得注意的一點是，當你在那裡發帖求助時你需要確保提供儘可能詳細的信息，比如文章摘要、你被卡住的地方、你自己做了什麼研究等等。在此引用一條社區用戶評論更通俗的解釋這個板塊（Reddit機器學習社區）的功能--「可以想像，這將是會有一個研究小組（社區用戶們）被邀請來回答你論文的疑問，而不是排長隊等待某個專家來回答它。「

2.關於《Nature》創建《Nature Machine Intelligence》子刊的聲明?

https://www.reddit.com/r/MachineLearning/comments/8fmtr9/d_statement_on_nature_machine_intelligence/

關於」研究「應該是開源（免費）還是封閉（收費）的爭論已經持續了數十年。最近，廣受關注的「Nature」雜誌宣布它將發布封閉式訪問子刊（收費）《Nature Machine Intelligence》。這觸發了一場聲勢浩大的抵制運動，許多業界大牛（Jeff Dean. 與Ian Goodfellow. 等人）在請願書上簽名並聲明他們不會給這樣的期刊投稿。

研究是否應該有開放（免費）或封閉（收費）的訪問這個話題引發了社區用戶廣泛的討論。

3.Michael Jordan關於AI現狀的演講

https://www.reddit.com/r/MachineLearning/comments/8daqki/d_very_sobering_presentation_on_the_current_state/

邁克爾喬丹（Michael Jordan）是伯克利著名教授，在最近的一次演講中，他詳細地講述了我們是如何與真正的機器智能漸行漸遠的。這是一個發人深省的演講，可以激發人們對機器智能的思考。

在Reddit機器學習社區該主題已經產生了超過100條評論，大家廣泛討論著自己對機器智能發展的看法與自己所處的位置和會產生的作用。

4.科學家們籌劃大型歐洲人工智慧中心與美國競爭

https://www.reddit.com/r/MachineLearning/comments/8ekmqy/scientists_plan_huge_european_ai_hub_to_compete/

在這個話題中，你會發現來自歐洲和美國各地的數據科學家和機器學習研究人員們參與了討論--關於ML（機器學習）在兩大洲的結構如何塑造和工資水平如何。你可以通過此話題了國外機器學習研究者的一些社會現狀。

5.測量目標景觀的本徵維數（Intrinsic Dimension）

https://www.reddit.com/r/MachineLearning/comments/8f9dvm/ruberai_measuring_the_intrinsic_dimension_of/

這個話題來自於優步發布的一個視頻--將本證維數發展為神經網路的基本屬性。大家對視頻中內容的疑問，都在這裡得到了回答。人們往往更喜歡將一篇研究論文轉化為一段視頻來理解，這可能會使得這項研究更容易去理解。

歡迎在評論中發表你對上述熱點項目與熱點話題的觀點。

從Python入門-如何成為AI工程師

BAT資深演算法工程師獨家研發課程

最貼近生活與工作的好玩實操項目

班級管理助學搭配專業的助教答疑

學以致用拿offer，學完即推薦就業

新人福利

關注 AI 研習社（okweiwu），回復1領取

【超過 1000G 神經網路 / AI / 大數據資料】

7 個開發者應該知道的機器學習相關 Github 項目

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！