2019年Reddit機器學習板塊17個最佳項目：最新代碼、資源應有盡有

曉查 發自 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的機器學習板塊，也為大家提供了一個優秀的學習討論場所。

那么，在過去的一年Reddit上關注度最高的帖子有哪些呢？

一位來自非洲的數據分析師，總結了機器學習板塊上點贊數最高的17篇項目、論文和Demo，希望你能從這些帖子中獲得啟發。

無監督圖到圖的轉換（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，即可實現從圖像到圖像的轉換。

相關報道：

《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》

該模型通過結合對抗訓練方案和新穎的網絡設計來實現這種快速生成能力。

比如，我們有了一張小狗的動圖，和其他不同動物的靜態圖像，FUNIT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網絡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，并在此基礎上生成你喜歡的動漫。

網站地址：
https://waifulabs.com/

最大數據集資源列表（499贊）

作者匯總了一系列機器學習數據集，減少大家在線查找數據集的時間。數據集按各種任務或領域進行細分，包括：NLP、自動駕駛、質量檢查、音頻和醫療等等。

網站地址：
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站“爛番茄”上收集的48萬條評論，對NLP任務非常有用。

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，然后應用機器學習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，該方法使用可以學習的神經描述編碼擴充每個點，神經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絡中，可以獲得新的場景視圖。

論文地址：
https://arxiv.org/abs/1906.08240

AdaBound優化器（402贊）

這是兩個中國本科生提出的一種新的優化器，他們分別來自北大和浙大。這篇文章已經被ICLR 2019收錄，并且讓領域主席贊不絕口。

相關報道：

《中國學霸本科生提出AI新算法：速度比肩Adam，性能媲美SGD，ICLR領域主席贊不絕口》

AdaBound兼顧了模型訓練中的速度和性能。

在模型訓練開始時，AdaBound的行為類似于Adam，速度很快，并在結束時轉換為SGD，保證模型收斂到損失更低的最優解上。

論文介紹：
https://www.luolc.com/publications/adabound/

代碼實現：
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雜游戲中擊敗頂級人類玩家。

相關報道：

《AI賭神超進化：德撲六人局擊潰世界冠軍，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。它使用自我對戰來教自己如何取勝，沒有任何示范或策略指導。

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（388贊）

numpy-ml是機器學習模型、算法和工具的集合。這些模型、算法和工具專門用NumPy和Python 標準庫編寫。

GitHub地址：
https://github.com/ddbourgin/numpy-ml

17種Deep RL算法的PyTorch實現（388贊）

作者給出了17種深度強化學習算法的PyTorch實現。包括的某些實現包括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

賽道周圍的神經網絡賽車（358贊）

作者設計了一個小游戲，教神經網絡駕駛汽車。

這是一個簡單的網絡，具有固定數量的隱藏節點（沒有NEAT），并且沒有偏差。然而經過短短幾代的訓練后，它已經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模型轉化成本地代碼（345贊）

一些邊緣設備硬件很簡單，比如只有單片機，無法安裝深度學習軟件庫，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過訓練的ML模型轉換為本地代碼，支持Python，C，Java，Go，JavaScript，Visual Basic，C#等語言。

相關報道：

《沒有依賴庫也能跑機器學習模型！推薦一個強大工具m2cgen》

m2cgen當前支持的模型如下：

圖片: https://uploader.shimo.im/f/65ReHnCspdoAC8gV.png

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

探索神經網絡的損失情況（339贊）

這篇帖子是關于在神經網絡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：

作者發現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據分布仍然有效。

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）

作者構建了一個基于GPT-2的Reddit回帖機器人?？梢酝ㄟ^回復任何帶有“ 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實現了這個算法。

相關報道：

《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的預訓練模型庫（306贊）

這是來自創業公司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中預訓練模型，覆蓋了超過100種語言。

相關報道：

《GitHub萬星NLP資源大升級：實現Pytorch和TF深度互操作，集成32個最新預訓練模型》

而且這個庫里的模型數量仍在持續增加中。

GitHub地址：
https://github.com/huggingface/transformers

這就是2019年Reddit機器學習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？