8月250个机器学习开源项目排行，前10位出来了！

Mybridge对8月250个机器学习开源项目进行了排行，并列出了前10位，Github星的平均数量：1355

月度开源项目排行榜又来了！

这次，由Mybridge AI根据包括GitHub签星数量在内的各种评判因素，对8月份将近250个开源项目进行了比较，做出了一个《8月机器学习开源项目排行榜》，下面列出了其中的TOP 10。10个项目的平均星数达到了1355。

1. UGATIT（超3500星）

U-GAT-IT的官方Tensorflow实施：具有自适应层实例规范化的无监督生成注意网络，用于图像到图像的转换。

https://github.com/taki0112/UGATIT?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

2. Dlrm（超1300星）

深度学习推荐模型（Deep Learning Recommendation Model）的实现模型输入由密集和稀疏特征组成。 前者是浮点值的向量。 后者是嵌入表的稀疏索引列表，嵌入表由浮点值向量组成。 所选择的矢量被传递到由三角形表示的mlp网络，在一些情况下，矢量通过操作符（Ops）进行交互。

https://github.com/facebookresearch/dlrm?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

3. Real-Time-Voice-Cloning（超6200星）

该仓库是一种从说话人验证到多语言文本到语音合成（SV2TTS）的迁移学习的实现，其中有一个实时工作的声码器。SV2TTS是一个三阶段深度学习框架，允许从几秒钟的音频创建一个语音的数字表示，并使用它来调节训练的文本到语音模型以推广到新的声音。

https://github.com/CorentinJ/Real-Time-Voice-Cloning?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

4. RAdam（超1200星）

Adam是一种对随机目标函数执行一阶梯度优化的算法，该算法基于适应性低阶矩估计，但基本机制在很大程度上是未知的，虽然收敛速度很快，但容易掉入局部最优解的“陷阱”。

来自UIUC的中国博士生Liyuan Liu提出了一个新的优化器RAdam，结合了Adam和SGD两者的优点，在保证收敛速度的前提下避免掉入局部最优解陷阱。同时，收敛结果对学习率的初始值比较麻木。在较大学习率的情况下，RAdam效果甚至还优于SGD。

https://github.com/LiyuanLucasLiu/RAdam?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

5. TensorNetwork（超780星）

TensorNetwork是谷歌为了提高张量计算效率，和加拿大圆周理论物理研究所（Perimeter Institute for Theoretical Physics）、谷歌 X 公司一起开发的开源库。它使用TensorFlow 作为后端，针对GPU进行了优化，与在 CPU 上的运行速度相比实现了 100 倍的加速。

https://github.com/google/tensornetwork?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

6. Megatron-LM（超900星）

英伟达一举创造了 2 个壮举！训练出了世界上最大的语言模型 ——MegatronLM，包含 83 亿参数，比 BERT 大 24 倍，比 GPT-2 大 5.6 倍；还打破了实时对话 AI 的记录，仅耗时 53 分钟即可训练出行业标准 BERT 模型、2 毫秒就能对答案做出推断！

https://github.com/NVIDIA/Megatron-LM?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

7. Python_autocomplete（超600星）

这个好玩的项目是一个简单的LSTM模型，可以自动完成python代码，可以进行波束搜索以找到预测，最多可达10个字符。

https://github.com/vpj/python_autocomplete?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

8. Realistic-Neural-Talking-Head-Models（超190星）

Few-Shot Adversarial Learning of Realistic Neural Talking Head Models论文的代码实现。

https://github.com/vincent-thevenin/Realistic-Neural-Talking-Head-Models?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

9. TecoGAN（超980星）

TecoGAN被用来实现视频超分辨率，该技术可以生成非常精致的细节，甚至连背上的斑点都清晰可见，同时还能保持视频的连贯性，由慕尼黑工业大学研究人员开发。

https://github.com/thunil/TecoGAN?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

10. Buffalo（超230星）

TOROS Buffalo：一个快速，可扩展的生产就绪型开源项目，适用于推荐系统。