本贴总结了2019年Reddit机器学习板块中分享的17个令人印象深刻的项目、研究、demo以及更多相关内容。其中既包括AI大厂的高光项目（GPT-2、StyleGAN等），也有小团队甚至个人做出的有趣的东西。希望小伙伴们能在这些精选资源中获得自己的收获。

 

1，少量无监督的图像到图像翻译（913⬆️）

 

 “本项目的灵感来自人类自身。人可以从少量示例中获取新对象的本质，并进行概括。本项目实现了一种无监督模式的图像到图像转换算法，在测试时仅由几个示例图像加以确定，就能用于之前未见过的新目标类。

 

资源地址：https://github.com/NVlabs/FUNIT

 

2，二次元小姐姐生成器（521⬆️）

 

作者提出了一种能够绘制漫画的人工神经网络。Waifu可选择喜欢的角色，并在此基础上生成喜欢的动漫。

 

资源地址：https://waifulabs.com/

 

3，最大的机器学习数据集列表（499⬆️）

 

本列表收录了一系列可以用于机器学习实验的机器学习数据集。这种资源肯定可以减少在线查找数据集所需的时间。数据集按任务类别/领域进行细分，包括：计算机视觉，自然语言处理，自动驾驶，质量检查，音频、医疗应用，还可以选择按许可类型排序。

 

资源地址：https://www.datasetlist.com/

 

4，数据集：480000条“烂番茄”影评资源库，已标记为新鲜/烂（464⬆️）

 

作者在互联网上收集大量的“烂番茄”网站的影评，这些数据在NLP任务中可能非常有用。

 

资源地址：

https://github.com/nicolas-gervais/6-607-Algorithms-for-Big-Data-Analysis/blob/master/scraping%20all%20critic%20reviews%20from%20rotten%20tomatoes

 

数据集可在Google云盘上下载

https://drive.google.com/file/d/1N8WCMci_jpDHwCVgSED-B9yts-q9_Bb5/view

 

5，使用ML创建“猫门”，当猫嘴里有猎物时会自动锁门（464⬆️）

 

这篇文章是关于使用机器学习创建的猫门。视频中的讲者创建了一个“猫门”，如果猫的嘴里有东西，就会自动锁门15分钟。这能防止猫咪将死动物带入房屋。作者将摄像头连接到猫的门上，然后应用机器学习来检查猫的嘴里是否有东西。

查看原视频链接

视频：https：//youtu.be/1A-Nf3QIJjM

 

6，基于神经点的图形（415⬆️）

 

作者提出了一种基于点的新方法来对复杂场景进行建模。使用原始点云作为场景的几何表示。然后用可学习的神经描述符扩充每个点。神经描述符对局部几何形状和外观进行编码。通过将点云进行栅格化，从新视点传递到深度渲染网络中，获得新的场景视图。

 

论文：https://arxiv.org/abs/1906.08240

 

7，AdaBound：一种基于PyTorch实现的优化器，训练速度堪比Adam，质量堪比SGD（ICLR 2019）

 

AdaBound是一种优化程序，旨在提高不可见的数据的训练速度和性能，可用PyTorch实现。

 

资源地址：https://github.com/Luolc/AdaBound

 

8，Facebook与卡内基梅隆大学联合打造德州扑克AI，在6人比赛中击败职业玩家（390⬆️）

 

 “Pluribus是第一款能够在六人无限注德州扑克击败人类专家的AI，这是AI第一次在超过两个玩家的复杂游戏中击败***人类玩家。

 

Facebook博客：

https://ai.facebook.com/blog/pluribus-first-ai-to-beat-pros-in-6-player-poker/

 

9，各种ML模型的NumPy实现（388⬆️）

 

作者在项目页面上：“ numpy-ml是越来越多的专门用NumPy和Python标准库编写的机器学习模型、算法和工具的集合。”

 

资源：https://github.com/ddbourgin/numpy-ml

10、17种深度强化学习算法的PyTorch实现（388⬆️）

 

作者列出了17种深度强化学习算法的PyTorch实现。包括DQN，DQN-HER，DoubleDQN，REINFORCE，DDPG，DDPG-HER，PPO，SAC，离散SAC，A3C，A2C等。

 

资源：

https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch

 

11、100万张AI生成的假脸（373⬆️）

 

用NVIDIA的StyleGAN生成的100万张假脸。这些脸看起来与真人完全一样。

 

资源：https://archive.org/details/1mFakeFaces

 

12，教神经网络开车（358⬆️）

 

 “本项目教神经网络如何驾驶汽车。这个网络很简单，具有固定数量的隐藏节点（没有NEAT），没有偏差。然而，经过短短几代的学习，它成功学会了快速安全地驾驶汽车。“该网络通过随机突变后成功学会了开赛车。”

 

视频：https：//youtu.be/wL7tSgUpy8w

 

13，一个简单库，将机器学习模型转换为本地代码（Python / C / Java）（345⬆️）

m2cgen（模型2代码生成器）是一个轻量级库，可以提供简便方法，将经过训练的统计模型转换为本地代码。（支持Python，C，Java，Go，JavaScript，VisualBasic，C＃）。”

 

地址：https://github.com/BayesWitnesses/m2cgen/

 

当前支持的模型如下：

14，探索神经网络的损失情况（339⬆️）

 

摘自作者的帖子：“该帖子是为了在神经网络的损失平面中找到不同的模式。通常，损失最小值处就像是一个坑，其周围是随机分布的丘陵和山脉，但也存在更有意义的坑，如下图所示。

 

资源：https://github.com/universome/loss-patterns

论文：https：//arxiv.org/abs/1910.03867

 

“结果表明，我们几乎可以找到自己喜欢的任何损失的最小值。有趣的是，结果的横向模式对于测试集也仍然有效，也就是说，这是一种很可能在整个数据分布上都有效的属性。”

 

15，OpenAI基于GPT-2的Reddit 机器人（343⬆️）

 

本项目构建了一个由OpenAI的GPT-2驱动的Reddit机器人。相关代码可以在下面的资源中找到。

 

资源：https://github.com/shevisjohnson/gpt-2_bot

 

16，Super SloMo：一个卷积神经网络，可将任何视频转换为slomo视频（332⬆️）

 

论文：https：//people.cs.umass.edu/~hzjiang/projects/superslomo/

代码：https：//github.com/avinashpaliwal/Super-SloMo

 

17，NLP的预训练模型库：Bert，GPT，GPT-2，Transformer-XL，XLNet，XLM（306⬆️）

 

这是用于NLP的预训练Transformer模型的开源库。它具有六种架构，分别是：

 

• Google的BERT
  
• OpenAI的GPT和GPT-2
  
• Google / CMU的Transformer-XL和XLNet
  
• Facebook的XLM
  

 

该库为这些架构提供了27种预训练的模型权重。

 

资源：

https://github.com/huggingface/transformers

原文链接：

https://heartbeat.fritz.ai/best-of-machine-learning-in-2019-reddit-edition-5fbb676a808