這12個最新AI開源項目，你一定要收下
#基于TensorFlow的強化學習框架
Dopamine 是一款快速實現強化學習算法原型的研究框架，基于TensorFlow 實現 ，旨在為研究人員提供一種簡單易用的實驗環境，能夠滿足用戶對小型、便于訪問的代碼庫的需求，用戶可以很方便地構建實驗去驗證自身在研究過程中的想法。
項目鏈接
https://github.com/google/dopamine
TransmogrifAI
#用于結構化數據的端到端AutoML庫
TransmogrifAI 是一個基于 Scala 編寫、運行在 Spark 上的 AutoML 庫，由 Salesforce 開源。本項目旨在通過自動機器學習技術幫助開發者加速產品化進程，只需幾行代碼，便能自動完成數據清理、特征工程和模型選擇，然后訓練出一個高性能模型，進行進一步探索和迭代。
關于 AutoML： 神經網絡架構搜索（NAS）綜述 | 附AutoML資料推薦
項目鏈接
https://github.com/salesforce/TransmogrifAI
OpenNRE
#神經網絡關系抽取工具包
OpenNRE 是一個基于TensorFlow 的神經網絡關系抽取工具包，由清華大學計算機系劉知遠老師組開源。 本項目將關系抽取分為四個步驟：Embedding、Encoder、Selector 和 Classifier。
項目鏈接
https://github.com/thunlp/OpenNRE
#TensorFlow模型分析開源庫
TFMA 是一個來自 Google 的開源庫，用于幫助TensorFlow 用戶對所訓練模型進行分析。 用戶可以使用 Trainer 里定義的指標，以分布式方式評估大量數據的模型。這些指標可在不同的數據片段上進行計算，并在 Jupyter Notebooks 里實現結果可視化。
項目鏈接
https://github.com/tensorflow/model-analysis
#通用深度學習模型部署框架
GraphPipe 是由甲骨文公司開源的通用深度學習模型部署框架 ，旨在幫助用戶簡化機器學習模型部署，并將其從特定框架的模型實現中解放出來的協議和軟件集合。 GraphPine 可提供跨深度學習框架的模型通用 API、開箱即用的部署方案以及強大的性能，目前已支持TensorFlow、PyTorch、MXNet、CNTK 和 Caffe2 等框架。
項目鏈接
https://github.com/oracle/graphpipe
#通用深度學習預訓練模型集合
本項目匯集了當前***的各類深度學習預訓練模型，模型均為由 Facebook 和微軟推出的 ONNX (OpenNeural NetworkExchange) 格式 ，該格式可使模型在不同框架之間進行遷移。每個模型均有對應的 Jupyter Notebook，包含模型訓練、運行推理、數據集和參考文獻等信息。
項目鏈接
https://github.com/onnx/models
基于深度學習106點人臉標定算法
#良心級開源人臉標定算法
良心級開源人臉標定算法，包含人臉美顏、美妝、配合式活體檢測和人臉校準的預處理步驟。該項目 Windows 工程基于傳統的 SDM 算法，通過修改開源代碼，精簡保留測試部分代碼，優化代碼結構。Android 代碼基于深度學習，我們設計了高效的網絡模型，該模型魯棒性較好，支持多人臉跟蹤。 目前深度學習算法在人臉標定方向取得了良好的效果，該項目旨在提供一種較為簡單易用的實現方式。
