딥러닝 오픈소스 예제

지난 한 해는 AI와 머신 러닝에 큰 이목이 있었습니다. 특히 의료, 금융, 음성 인식, 증강 현실, 더욱 복잡한 3D 및 비디오 애플리케이션에서 머신 러닝의 많은 새로운 영향력 있는 애플리케이션이 발견되고 빛을 발했습니다. Keras CNN 모델 및 OpenCV를 사용하는 fer2013/IMDB 데이터 세트를 사용한 실시간 얼굴 감지 및 감정/성별 분류. 우리는 이미지와 비디오에 대한 몇 가지 스타일 전송 도구를 가지고 있지만, 음성에 대한? 심층 음성 대화는 이 기능의 완벽한 예입니다. DeepCreamPy: 깊은 신경망으로 헨타이를 검열 [Github에 7046 별]. Deepj: 스타일별 음악 세대를 위한 딥 러닝 모델입니다. [Github에 별 291개]. A) 초보자 : 파이썬과 기계 학습, 데이터 과학 및 딥 러닝. 텐서플로우 & 뉴럴 네트워크 [84,632 권장 사항, 4.5/5 별] 리버: 리버: 모듈형 심층 강화 학습 프레임워크.

스타크래프트 II에 중점을 두어 제작되었습니다. 체육관, 아타리, 뮤조코를 지원합니다. 참조 결과와 일치합니다. [Github에 별 355개]. 아래 목록은 Github의 참여자 수에 따라 내림차순으로 프로젝트를 제공합니다. 기여자의 수의 변화는 대 2016 KDnuggets 게시물 상위 20 파이썬 기계 학습 오픈 소스 프로젝트. 그라데이션 체크포인트: 거대한 신경망이 메모리에 맞도록[Github의 별 1073개]. OpenAI Deepvariant의 호의: DeepVariant은 심층 신경망을 사용하여 차세대 DNA 염기서열 분석 데이터에서 유전 적 변이체를 호출하는 분석 파이프라인입니다. [Github에 별 1502개].

PySyft : 안전, 개인 딥 러닝을위한 파이썬 라이브러리. PySyft는 PyTorch [Github의 별 2595개] 내에서 다자간 계산(MPC)을 사용하여 모델 교육에서 개인 데이터를 분리합니다. MAMEToolkit: 아케이드 게임 강화 학습 파이썬 라이브러리 [437 Github에 별]. 여기에서 우리는 정보를 업데이트하고 우리의 이전 게시물 이후 동향을 검사 20 파이썬 기계 학습 오픈 소스 프로젝트 (11 월 2016). 기계 학습 모델: Python Sklearn 및 Kera와 같은 기계 학습 프로젝트 자습서의 경우 Liveedu.tv 방문하십시오. 깊은 신경 진화: 깊은 신경 진화. Uber 딥 익스펙타그 기반 색상화는 모범 에 기반한 로컬 색상화를 위한 최초의 딥 러닝 접근 방식입니다.