2019年Reddit機器學習17個高贊項目：AI德撲大師、StyleGAN等上榜

• 2019 年 12 月 23 日
• 筆記

新智元報道

來源：Medium

編輯：大明

【新智元導讀】本文是Medium網友整理的2019年Reddit機器學習板塊熱門高贊項目資源匯總，既有Facebook、NVIDIA 等大廠的作品，也有網友自製的有趣小嘗試，共17個項目，按熱度高低排序，一起看看吧！戳右邊鏈接上 新智元小程式 了解更多！

本貼總結了2019年Reddit機器學習板塊中分享的17個令人印象深刻的項目、研究、demo以及更多相關內容。其中既包括AI大廠的高光項目（GPT-2、StyleGAN等），也有小團隊甚至個人做出的有趣的東西。希望小夥伴們能在這些精選資源中獲得自己的收穫。

1，少量無監督的影像到影像翻譯（913⬆️）

「本項目的靈感來自人類自身。人可以從少量示例中獲取新對象的本質，並進行概括。本項目實現了一種無監督模式的影像到影像轉換演算法，在測試時僅由幾個示例影像加以確定，就能用於之前未見過的新目標類。

資源地址：https://github.com/NVlabs/FUNIT

2，二次元小姐姐生成器（521⬆️）

作者提出了一種能夠繪製漫畫的人工神經網路。Waifu可選擇喜歡的角色，並在此基礎上生成喜歡的動漫。

資源地址：https://waifulabs.com/

3，最大的機器學習數據集列表（499⬆️）

本列表收錄了一系列可以用於機器學習實驗的機器學習數據集。這種資源肯定可以減少在線查找數據集所需的時間。數據集按任務類別/領域進行細分，包括：電腦視覺，自然語言處理，自動駕駛，品質檢查，音頻、醫療應用，還可以選擇按許可類型排序。

資源地址：https://www.datasetlist.com/

4，數據集：480000條「爛番茄」影評資源庫，已標記為新鮮/爛（464⬆️）

作者在互聯網上收集大量的「爛番茄」網站的影評，這些數據在NLP任務中可能非常有用。

資源地址：

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

數據集可在Google雲盤上下載

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

5，使用ML創建「貓門」，當貓嘴裡有獵物時會自動鎖門（464⬆️）

這篇文章是關於使用機器學習創建的貓門。影片中的講者創建了一個「貓門」，如果貓的嘴裡有東西，就會自動鎖門15分鐘。這能防止貓咪將死動物帶入房屋。作者將攝影機連接到貓的門上，然後應用機器學習來檢查貓的嘴裡是否有東西。

影片：https：//youtu.be/1A-Nf3QIJjM

6，基於神經點的圖形（415⬆️）

作者提出了一種基於點的新方法來對複雜場景進行建模。使用原始點雲作為場景的幾何表示。然後用可學習的神經描述符擴充每個點。神經描述符對局部幾何形狀和外觀進行編碼。通過將點雲進行柵格化，從新視點傳遞到深度渲染網路中，獲得新的場景視圖。

論文：https://arxiv.org/abs/1906.08240

7，AdaBound：一種基於PyTorch實現的優化器，訓練速度堪比Adam，品質堪比SGD（ICLR 2019）

AdaBound是一種優化程式，旨在提高不可見的數據的訓練速度和性能，可用PyTorch實現。

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

8，Facebook與卡內基梅隆大學聯合打造德州撲克AI，在6人比賽中擊敗職業玩家（390⬆️）

「Pluribus是第一款能夠在六人無限注德州撲克擊敗人類專家的AI，這是AI第一次在超過兩個玩家的複雜遊戲中擊敗頂級人類玩家。

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

9，各種ML模型的NumPy實現（388⬆️）

作者在項目頁面上：「 numpy-ml是越來越多的專門用NumPy和Python標準庫編寫的機器學習模型、演算法和工具的集合。」

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

10、17種深度強化學習演算法的PyTorch實現（388⬆️）

作者列出了17種深度強化學習演算法的PyTorch實現。包括DQN，DQN-HER，DoubleDQN，REINFORCE，DDPG，DDPG-HER，PPO，SAC，離散SAC，A3C，A2C等。

資源：

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

11、100萬張AI生成的假臉（373⬆️）

用NVIDIA的StyleGAN生成的100萬張假臉。這些臉看起來與真人完全一樣。

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

12，教神經網路開車（358⬆️）

「本項目教神經網路如何駕駛汽車。這個網路很簡單，具有固定數量的隱藏節點（沒有NEAT），沒有偏差。然而，經過短短几代的學習，它成功學會了快速安全地駕駛汽車。「該網路通過隨機突變後成功學會了開賽車。」

影片：https：//youtu.be/wL7tSgUpy8w

13，一個簡單庫，將機器學習模型轉換為本地程式碼（Python / C / Java）（345⬆️）

m2cgen（模型2程式碼生成器）是一個輕量級庫，可以提供簡便方法，將經過訓練的統計模型轉換為本地程式碼。（支援Python，C，Java，Go，JavaScript，VisualBasic，C＃）。」

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

當前支援的模型如下：

14，探索神經網路的損失情況（339⬆️）

摘自作者的帖子：「該帖子是為了在神經網路的損失平面中找到不同的模式。通常，損失最小值處就像是一個坑，其周圍是隨機分布的丘陵和山脈，但也存在更有意義的坑，如下圖所示。

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

論文：https：//arxiv.org/abs/1910.03867

「結果表明，我們幾乎可以找到自己喜歡的任何損失的最小值。有趣的是，結果的橫向模式對於測試集也仍然有效，也就是說，這是一種很可能在整個數據分布上都有效的屬性。」

15，OpenAI基於GPT-2的Reddit 機器人（343⬆️）

本項目構建了一個由OpenAI的GPT-2驅動的Reddit機器人。相關程式碼可以在下面的資源中找到。

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

16，Super SloMo：一個卷積神經網路，可將任何影片轉換為slomo影片（332⬆️）

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

程式碼：https：//github.com/avinashpaliwal/Super-SloMo

17，NLP的預訓練模型庫：Bert，GPT，GPT-2，Transformer-XL，XLNet，XLM（306⬆️）

這是用於NLP的預訓練Transformer模型的開源庫。它具有六種架構，分別是：

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

該庫為這些架構提供了27種預訓練的模型權重。

資源：https://github.com/huggingface/transformers

原文鏈接：

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