2019年Reddit機器學(xué)習(xí)板塊17個最佳項目：最新代碼、資源應(yīng)有盡有
Reddit點贊最高的17個ML帖子
曉查 發(fā)自 亞龍灣
量子位 報道 | 公眾號 QbitAI
2019年即將過去。國外最熱論壇Reddit的機器學(xué)習(xí)板塊，也為大家提供了一個優(yōu)秀的學(xué)習(xí)討論場所。
那么，在過去的一年Reddit上關(guān)注度最高的帖子有哪些呢？
一位來自非洲的數(shù)據(jù)分析師，總結(jié)了機器學(xué)習(xí)板塊上點贊數(shù)最高的17篇項目、論文和Demo，希望你能從這些帖子中獲得啟發(fā)。
無監(jiān)督圖到圖的轉(zhuǎn)換（913贊）
這是來自英偉達的研究，它讓AI也可以像人類一樣，只需少量的樣本，即可實現(xiàn)從圖像到圖像的轉(zhuǎn)換。
相關(guān)報道：
《雷布斯變貓布斯，皮卡丘變狗卡丘：英偉達最新AI開源，萬物換臉只憑一張圖 | Demo》
該模型通過結(jié)合對抗訓(xùn)練方案和新穎的網(wǎng)絡(luò)設(shè)計來實現(xiàn)這種快速生成能力。
比如，我們有了一張小狗的動圖，和其他不同動物的靜態(tài)圖像，F(xiàn)UNIT就能得到動作與之同步的各種動圖。
GitHub地址：
https://github.com/NVlabs/FUNIT
生成自定義二次元妹子（521贊）
作者提出了一種能夠繪制動漫的神經(jīng)網(wǎng)絡(luò)Waifu自動販賣機，其特點是可以讓你更具需求生成自己喜歡的二次元妹子，并在此基礎(chǔ)上生成你喜歡的動漫。
網(wǎng)站地址：
https://waifulabs.com/
最大數(shù)據(jù)集資源列表（499贊）
作者匯總了一系列機器學(xué)習(xí)數(shù)據(jù)集，減少大家在線查找數(shù)據(jù)集的時間。數(shù)據(jù)集按各種任務(wù)或領(lǐng)域進行細分，包括：NLP、自動駕駛、質(zhì)量檢查、音頻和醫(yī)療等等。
網(wǎng)站地址：
https://www.datasetlist.com/
48萬條用于NLP的影評（464贊）
這是作者在電影評論網(wǎng)站“爛番茄”上收集的48萬條評論，對NLP任務(wù)非常有用。
GitHub地址：
https://github.com/nicolas-gervais/6-607-Algorithms-for-Big-Data-Analysis/blob/master/scraping%20all%20critic%20reviews%20from%20rotten%20tomatoes
你也可以到Google云盤上直接下載：
https://drive.google.com/file/d/1N8WCMci_jpDHwCVgSED-B9yts-q9_Bb5/view
自動貓門（464贊）
這是一個給貓奴們的福利。如果貓的嘴里叼著東西，貓們將自動鎖定15分鐘，防止貓將死老鼠等東西帶進房屋。
這個裝置將攝像頭連接到貓的門上，然后應(yīng)用機器學(xué)習(xí)來檢查貓的嘴里是否有東西，來做到這一點。
視頻地址：
https://www.youtube.com/watch?v=1A-Nf3QIJjM
基于點云生成3D場景圖（415贊）
作者提出了一種基于點的新方法來對復(fù)雜場景進行建模，它使用原始點云作為場景的幾何表示。
然后，該方法使用可以學(xué)習(xí)的神經(jīng)描述編碼擴充每個點，神經(jīng)描述對局部幾何形狀和外觀進行編碼。通過將點云的柵格化從新視角傳遞到深度渲染網(wǎng)絡(luò)中，可以獲得新的場景視圖。
論文地址：
https://arxiv.org/abs/1906.08240
AdaBound優(yōu)化器（402贊）
這是兩個中國本科生提出的一種新的優(yōu)化器，他們分別來自北大和浙大。這篇文章已經(jīng)被ICLR 2019收錄，并且讓領(lǐng)域主席贊不絕口。
相關(guān)報道：
《中國學(xué)霸本科生提出AI新算法：速度比肩Adam，性能媲美SGD，ICLR領(lǐng)域主席贊不絕口》
AdaBound兼顧了模型訓(xùn)練中的速度和性能。
在模型訓(xùn)練開始時，AdaBound的行為類似于Adam，速度很快，并在結(jié)束時轉(zhuǎn)換為SGD，保證模型收斂到損失更低的最優(yōu)解上。
論文介紹：
https://www.luolc.com/publications/adabound/
代碼實現(xiàn)：
https://github.com/Luolc/AdaBound
AI在德州撲克中擊敗人類（390贊）
由Facebook提出的Pluribus，是第一個能夠在六人無限注德州撲克中打敗人類專家的AI機器人。這也是AI第一次在超過兩個或兩個團隊的復(fù)雜游戲中擊敗頂級人類玩家。
相關(guān)報道：
《AI賭神超進化：德?lián)淞司謸魸⑹澜绻谲?，詐唬如神，每小時能贏1千刀 | Science》
Pluribus之所以成功，是因為它可以非常有效地處理兩名以上玩家的不完美信息博弈挑戰(zhàn)。它使用自我對戰(zhàn)來教自己如何取勝，沒有任何示范或策略指導(dǎo)。
官方介紹：
https://ai.facebook.com/blog/pluribus-first-ai-to-beat-pros-in-6-player-poker/
各種ML模型的NumPy實現(xiàn)（388贊）
numpy-ml是機器學(xué)習(xí)模型、算法和工具的集合。這些模型、算法和工具專門用NumPy和Python 標(biāo)準(zhǔn)庫編寫。
GitHub地址：
https://github.com/ddbourgin/numpy-ml
17種Deep RL算法的PyTorch實現(xiàn)（388贊）
作者給出了17種深度強化學(xué)習(xí)算法的PyTorch實現(xiàn)。包括的某些實現(xiàn)包括DQN，DQN-HER，Double DQN，REINFORCE，DDPG，DDPG-HER，PPO，SAC，離散SAC，A3C，A2C等等。
GitHub地址：
https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch
100萬張AI生成的假臉（373贊）
作者使用英偉達的StyleGAN生成了100萬張假臉，這些假臉和真人對比起來幾乎無異。
下載地址：
https://archive.org/details/1mFakeFaces
賽道周圍的神經(jīng)網(wǎng)絡(luò)賽車（358贊）
作者設(shè)計了一個小游戲，教神經(jīng)網(wǎng)絡(luò)駕駛汽車。
這是一個簡單的網(wǎng)絡(luò)，具有固定數(shù)量的隱藏節(jié)點（沒有NEAT），并且沒有偏差。然而經(jīng)過短短幾代的訓(xùn)練后，它已經(jīng)能成功讓汽車快速安全地行駛。
視頻地址：
https://www.youtube.com/watch?v=wL7tSgUpy8w
將ML模型轉(zhuǎn)化成本地代碼（345贊）
一些邊緣設(shè)備硬件很簡單，比如只有單片機，無法安裝深度學(xué)習(xí)軟件庫，怎么辦？
m2cgen提供了解決辦法，它是一個輕量級的庫。m2cgen提供了一種簡便的方法將經(jīng)過訓(xùn)練的ML模型轉(zhuǎn)換為本地代碼，支持Python，C，Java，Go，JavaScript，Visual Basic，C#等語言。
相關(guān)報道：
《沒有依賴庫也能跑機器學(xué)習(xí)模型！推薦一個強大工具m2cgen》
m2cgen當(dāng)前支持的模型如下：
圖片: https://uploader.shimo.im/f/65ReHnCspdoAC8gV.png
GitHub地址：
https://github.com/BayesWitnesses/m2cgen/
探索神經(jīng)網(wǎng)絡(luò)的損失情況（339贊）
這篇帖子是關(guān)于在神經(jīng)網(wǎng)絡(luò)的損失曲面中找到不同的圖案。通常，圍繞最小值的地圖看起來像是一個坑，周圍是隨機的丘陵和山脈，但也存在更有意義的坑，如下圖所示：
作者發(fā)現(xiàn)我們幾乎可以找到自己喜歡的任何奇怪地圖的最小值。有趣的是，找到的地圖即使對于測試集也仍然有效，因此它很有可能對于整個數(shù)據(jù)分布仍然有效。
論文地址：
https://arxiv.org/abs/1910.03867
源代碼：
https://github.com/universome/loss-patterns
基于GPT-2的Reddit回帖機器人（343贊）
作者構(gòu)建了一個基于GPT-2的Reddit回帖機器人?？梢酝ㄟ^回復(fù)任何帶有“ gpt-2 finish this”的評論來使用這個回帖機器人。
源代碼：
https://github.com/shevisjohnson/gpt-2_bot
將任何視頻插值成慢動作（332贊）
這是由英偉達提出的一種算法，可以將30幀視頻變成240幀的慢動作視頻，有人用PyTorch實現(xiàn)了這個算法。
相關(guān)報道：
《腦補慢動作的AI源代碼來了：有了它，普通視頻也能平滑補幀》
論文地址：
https://people.cs.umass.edu/~hzjiang/projects/superslomo/
源代碼：
https://github.com/avinashpaliwal/Super-SloMo
NLP的預(yù)訓(xùn)練模型庫（306贊）
這是來自創(chuàng)業(yè)公司Hugging Face的匯總，最近這家公司剛獲得1500萬美元融資。
該項目匯總了基于Transformer的各種最新的NLP模型，包括BERT、GPT-2、RoBERTa、XLM、DistilBert、XLNet等32中預(yù)訓(xùn)練模型，覆蓋了超過100種語言。
相關(guān)報道：
《GitHub萬星NLP資源大升級：實現(xiàn)Pytorch和TF深度互操作，集成32個最新預(yù)訓(xùn)練模型》
而且這個庫里的模型數(shù)量仍在持續(xù)增加中。
GitHub地址：
https://github.com/huggingface/transformers
這就是2019年Reddit機器學(xué)習(xí)板塊最受歡迎的項目，不知道你最喜歡哪一篇，覺得哪一篇對你幫助最大呢？
相關(guān)閱讀
意-478281450746806409.jpg)
