博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
2018年2月份GitHub上最热门的Python项目:深度学习占半壁江山
阅读量:2141 次
发布时间:2019-04-30

本文共 3224 字,大约阅读时间需要 10 分钟。

本篇文章为大家盘点了2月份最热门的Python 项目,本月最热门的开源项目中,深度学习相关的开源项目占据了半壁江山,让我们一起来看下吧!

1
FastPhotoStyle

https://github.com/NVIDIA/FastPhotoStyle Star 5978

FastPhotoStyle 是英伟达开源的照片风格转移深度学习算法实现库,给定目标照片和样式参考照片,代码可以将样式照片的风格转换至目标照片,从而生成新的风格化照片。 

FastPhotoStyle 实现过程包含两个步骤:“风格化”和“细调”。 先将样式参考照片源的样式转移至目标照片,随后对其进行细调优化。

2
chinese-poetry

https://github.com/chinese-poetry/chinese-poetry Star 6349

最全中华古诗词数据库,唐宋两朝近一万四千古诗人, 接近 5.5 万首唐诗加 26 万宋诗。两宋时期 1564 位词人,21050 首词。为什么要做这个仓库?因为这个项目开发者认为古诗是中华民族乃至全世界的瑰宝,我们应该传承下去,虽然有古典文集,但大多数人并没有拥有这些书籍。从某种意义上来说,这些庞大的文集离我们是有一定距离的。而电子版方便拷贝,所以此开源数据库诞生了。你可以用此数据做任何有益的事情,甚至我也可以帮助你。

3
deepfake 的深度学习技术 Facewap

https://github.com/deepfakes/faceswap Star 4009

deepfake 的深度学习技术,这款工具本来的用途是用来识别和交换图片、视频中人物脸部图像的工具 。该项目有多个入口,你需要做的事:

● 收集照片(或使用以下训练数据中提供的照片)

● 从原始照片中提取面部图像

● 在照片上训练模型(或使用以下训练数据中提供的模型)

● 使用模型转换源代码

4
Detectron

https://github.com/facebookresearch/Detectron Star 12045

Detectron 是 Facebook AI 研究院(FAIR )开源的软件系统,实现了最先进的目标检测算法,包括 Mask R-CNN。在 FAIR 实验室,Detectron 目前已经支持很多研究项目的实现,Detectron 的目标是为目标检测研究提供高质量、高性能的代码库。它灵活的特性可支持快速实现和验证新研究。查阅更多Detectron详情,可点击:

5
AutoSploit

https://github.com/NullArray/AutoSploit Star 2686

一个名为 Vector 的研究人员 2 月份在 GitHub 上发布了这款极具争议的工具, AutoSploit 基于 Python2.7 的脚本,使用 Shodan.io API 自动收集目标,Metasploit 模块有助于实施远程代码执行,并获得逆向 TCP/Shells 或者Metasploit 对话。公开这款工具的代码在信息安全界引起大量关注。大多数信息安全从业人员不禁感叹,这款攻击简直是脚本小子的福音,甚至有人认为完全可以将 AutoSploit 视为恶意软件。

6
models

https://github.com/tensorflow/models Star 28864

一个 Tensorflow 库,里面包含 使用TensorFlow 构建的模型和示例的教程,旨在更好的维护,测试,并与最新的TensorFlow API保持同步最新。

TensorFlow实现模型:https://github.com/tensorflow/models/blob/master/research

TensorFlow教程:https://github.com/tensorflow/models/blob/master/tutorials

7
minigo

https://github.com/tensorflow/minigo Star 1759

Minigo 是基于 MuGo 开发的极简版围棋AI引擎,使用 Python 语言、在 TensorFlow 框架实现的基于神经网络的围棋算法。这个项目确实是受到 DeepMind 的 AlphaGo 算法的启发,但 TensorFlow 官方再三强调这个项目不属于 DeepMind,也不是官方正式的 AlphaGo 项目。

8
awesome-python

https://github.com/vinta/awesome-python Star 46039

awesome-python 是 vinta 发起维护的 Python 资源列表,内容包括:Web 框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。十分受 Python 开发者的青睐。

9
keras

https://github.com/keras-team/keras Star 26028


Keras是一个极简的、高度模块化的神经网络库,采用Python(Python 2.7-3.5.)开发,能够运行在TensorFlow和Theano任一平台,好项目旨在完成深度学习的快速开发。特性:

● 可以快速简单的设计出原型(通过总模块化、极简性、和可扩展性)

● 同时支持卷积网络和循环网络,以及两者的组合

● 支持任意的连接方案(包括多输入和多输出)

● 支持GPU和CPU

10
public-apis

https://github.com/toddmotto/public-apis Star 33789

PublicApis:公共API目录大全是一个通过 MaShape 市场整合的世界上最全的 API 接口目录,支持关键词搜索和添加API数据,方便开发者快速的找到自己想要的 API,目已经收录 5321 种 API 接口。

11
wtfpython

https://github.com/satwikkansal/wtfpython Star 6135

一组有趣的、微妙的、复杂的 Python 代码片段,这个项目列举了一些代码片段,可能结果和你想到的是不一致的,并且作者会告诉你为什么。如混合Tab 和空格:

结果是 10?不是应该 100 么?

其实这种错误的结果的原因,所有书籍和开发者都说过,就是不要混 Tab 和空格,源代码你可以看项目中的 mixed_tabs_and_spaces.py。

12
awesome-machine-learning

https://github.com/josephmisiti/awesome-machine-learning Star 30843

很多程序员都会 GitHub 上有一个 Awesome - XXX 系列的资源整理。每个月的热门项目中有很多项目都是这一系列的资源,wesome-machine-learning 就是 josephmisiti 发起维护的机器学习资源列表,内容包括了机器学习领域的框架、库以及软件等。

13
youtube-dl

https://github.com/rg3/youtube-dl Star 34331

youtube-dl 是一个用来从YouTube.com 网站上下载视频文件的命令行工具。它采用 Python 开发,运行时需要 Python 的解释环境。支持多个 OS 平台,支持众多视频网站(见附图)国内优酷、土豆、新浪和搜狐,国外 YouTube 等赫然在列。

IT派 - {技术青年圈}
持续关注互联网、区块链、人工智能领域

公众号回复“区块链”或“人工智能

邀你加入{IT派互动讨论群}

转载地址:http://ibxgf.baihongyu.com/

你可能感兴趣的文章
【LEETCODE】125-Valid Palindrome
查看>>
【LEETCODE】28-Implement strStr()
查看>>
【LEETCODE】6-ZigZag Conversion
查看>>
【LEETCODE】8-String to Integer (atoi)
查看>>
【LEETCODE】14-Longest Common Prefix
查看>>
【LEETCODE】38-Count and Say
查看>>
【LEETCODE】278-First Bad Version
查看>>
【LEETCODE】303-Range Sum Query - Immutable
查看>>
【LEETCODE】21-Merge Two Sorted Lists
查看>>
【LEETCODE】231-Power of Two
查看>>
【LEETCODE】172-Factorial Trailing Zeroes
查看>>
【LEETCODE】112-Path Sum
查看>>
【LEETCODE】9-Palindrome Number
查看>>
【极客学院】-python学习笔记-Python快速入门(面向对象-引入外部文件-Web2Py创建网站)
查看>>
【LEETCODE】190-Reverse Bits
查看>>
【LEETCODE】67-Add Binary
查看>>
【LEETCODE】7-Reverse Integer
查看>>
【LEETCODE】165-Compare Version Numbers
查看>>
【LEETCODE】299-Bulls and Cows
查看>>
【LEETCODE】223-Rectangle Area
查看>>