年度盘点：Github上十大有趣的机器学习项目

1. AlphaZero-Gomoku

用Alpha元下五子棋

项目链接： https://github.com/junxiaosong/AlphaZero_Gomoku

这个项目使用Alpha元算法，通过自训练实现玩五子棋。由于五子棋相比围棋或国际象棋简单得多，所以只需要在一个普通电脑上，花上几个小时就可以训练出一个非常不错的 AI 模型。

每移动400步的布局

2. OpenPose

多人实时检测系统

github地址： https://github.com/CMU-Perceptual-Computing-Lab/openpose

OpenPose代表了第一代实时多人检测系统，在单张图片上它可以检测人的身体、手、脸部关键点一共130个：

15或18个身体基本关键点，并且运行时检测的人数不变

2x21个手的基本关键点。目前情况是运行时是基于检测到的人的数量

70个脸部基本关键点。目前情况运行时是基于检测到的人的数量

3. Face Recognition

最简单的人脸识别

github地址 ：https://github.com/ageitgey/face_recognition

据称，这是世界上使用python和命令行最简单的人脸识别库。它使用dlib-世界顶尖水平的深度学习人脸识别技术，在户外脸部基准点测试上，这个模型的准确率高达99.38%。它也提供了简单的人脸识别命令行工具让你通过命令行来使用一个文件夹下的图片做人脸识别。

定位和获得每个人眼睛、鼻子、嘴和下巴的轮廓

可以使用其它python库做人脸实时识别

4. Magenta

机器学习生成音乐和艺术

github地址 ：https://github.com/tensorflow/magenta

Magenta这个项目来自谷歌大脑团队对机器学习在艺术领域的探索和疑问：我们可以用机器学习来创造艺术和音乐吗？如果可以，怎么做，如果不能，为什么？所以他们把模型和工具开源到GitHub上，在网站里也贴出了demo、教程和论文，如果有兴趣，可以读他们的博客并且加入他们的讨论组。

5. YOLOv2

PyTorch版YOLOv2

github地址 ：https://github.com/ruiminshen/yolo2-pytorch

YOLOv2是最流行的目标检测框架之一，这个项目使用PyTorch实现来提高YOLO的产品化能力。它也拿ONNX把模型转换成Caffe2方便部署到开发者的项目里。

YOLO9000，它可以实时检测很多不同的种类

6. MUSE

多语言无监督和有监督词向量Python库

github地址 ：https://github.com/facebookresearch/MUSE

MUSE是一个多语言词向量python库，它的目标是为社区提供：

基于fastText的世界顶尖的多语言词向量

为大型高质量的双语词典做训练和评估

他们包含两个方法，一个是使用了双语词典和相同的字符串的有监督学习，另一个是没有使用任何并行数据的无监督学习。

7. Arnold

使用深度强化学习玩FPS游戏的代理机器人

github地址 ：https://github.com/glample/Arnold

它包括了：

训练DOOM毁灭战士的源码

有17个用来训练和评估的地图

5个预训练的模型，你可以用它可视化和游戏对打，它还包括了那些赢得了ViZDoom毁灭战士竞赛的模型。

模型框架

毁灭战士游戏截图

8. FoolNLTK

中文处理工具包

github地址 ：https://github.com/rockyzhengwu/FoolNLTK

它提供了：

可能不是最快的开源中文分词，但很可能是最准的开源中文分词

基于BiLSTM模型训练而成

包含分词，词性标注，实体识别,　都有比较高的准确率

用户自定义词典

9. Gym

训练强化学习的开发工具包

github地址 ：https://github.com/openai/gym

Gym对你的代理结构没有任何假设，并且与任何数值计算库（如TensorFlow或Theano）兼容。你可以从Python代码中使用它，并很快从其他语言中使用它。

gym的一些训练环境的图片

10. style2paints v2.0

线稿自动上色

github地址: https://github.com/lllyasviel/style2paints

style2paintv2.0是使用无监督训练，它可以按照指定的颜色风格给线稿上色，github上有多个给线稿自动上色的模型，和其它几个相比，style2paints的“提示笔”是最精确的。

本文来源：机器学习算法与Python学习