为了挑选出2019年最好的开源项目，最近某位Medium网友整理了2019年Reddit机器学习板块抢手高赞项目资源汇总，一起来看看都有哪些项目上榜：

1. 无监督图到图的转化(913赞)

英伟达的研讨科学家刘洺堉等人，发明晰一个称为 FUNIT (Few-shot Unsupervised Image-to-image Translation)的小样本非监督图画转化模型，只需少数样本(几张相片)，就能将一张新图片中的一些姿态、五官散布等特征转化到这些样本图上。 赋予AI 能够比美人类的“脑补”才能：“看几眼”新物种，便能“估测”出新物种某些(与新图片共同的)动作姿态，就像有人第一眼看到独角兽，便能幻想它怎样奔驰。

GitHub地址：https://github.com/NVlabs/FUNIT

2. 主动生成二次元妹子(512赞)

作者提出了一种能够制作动画的人工神经网络。

经过Waifu主动贩卖机你能够挑选自己喜爱的人物，生成自己喜爱的动画。

地址：https://waifulabs.com/

3. 机器学习中最大的数据集资源列表(499赞)

作者整理了一个机器学习数据集相关的列表调集，可用于机器学习试验。

这种资源能够削减你在线查找数据集的时刻，该数据集依据不同的用处/范畴区分，包含：CV、NLP、主动驾驭、QA、音频和医疗。你还能依据许可证类型进行区分。

地址：https://www.datasetlist.com/

4. “烂西红柿”上的48万条影评(464赞)

作者在“烂西红柿”上网罗了48万条影评，这些谈论在自然语言处理使命中十分有用。

GitHub地址：

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

该数据集还可在Google云端硬盘上找到。

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

5. 运用ML创立一个猫门，当猫嘴里叼着猎物时会主动锁门(464赞)

这关于一个运用机器学习创立的猫门。

视频中，作者制作了一扇猫门，假如猫的嘴里有东西，门就会主动锁上15分钟，这样猫就没办法把死掉的动物叼进房子里，他将摄像头连接在猫门上，然后用机器学习判别猫嘴里是否有东西。

地址：https://youtu.be/1A-Nf3QIJjM

6. Neural Point-Based Graphics(415赞)

作者提出了一种新的根据点的杂乱场景建模办法。它运用原始点云作为场景的几许表明。然后用一个能够学习的神经描绘编码扩展每个点。部分几许形状和外观运用神经描绘编码，经过将点云的栅格化重新的角度经过深度烘托网络来取得新的场景视图。

论文地址：https://arxiv.org/abs/1906.08240

7. AdaBound优化器(402赞)

AdaBound是一个优化器，它有一个现成的PyTorch完成，adample在模型练习开始时体现得像Adam，并在最终转变为SGD。确保模型收敛到丢失更低的最优解上。

Github地址：https://github.com/Luolc/AdaBound

8. 第一个在德州扑克中打败人类的AI(390个赞)

来自Facebook研讨的帖子:“Pluribus是世界上第一个能够在六人无限德州扑克游戏中打败人类的人工智能机器人。这也是人工智能机器人初次在超越两个人/团队参加的杂乱游戏中打败尖端人类玩家。

Pluribus之所以成功，是因为它能够十分有用地处理两名以上玩家的不完美信息博弈应战。它运用自我对战来教自己怎么制胜，没有任何演示或战略辅导。

官方地址：

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

9. 各种ML模型的NumPy完成(388个赞)

numpy-ml是一个不断更新的机器学习模型、算法和东西的调集，专门用NumPy和Python规范库编写。

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

10. PyTorch完成的17种Deep RL算法(388个赞)

作者给出了17种深度强化学习算法的PyTorch完成。其间的一些完成包含DQN，DQN-HER，Double DQN，REINFORCE，DDPG，DDPG-HER，PPO，SAC，离散SAC，A3C，A2C。

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

11. 100万可供下载的AI生成人脸(373个赞)

作者用NVIDIA的StyleGAN生成了100万张脸，正如你所看到的，这些图画看起来和真人如出一辙。

下载地址：https://archive.org/details/1mFakeFaces

12. 教神经网络驾驭赛车(358个赞)

作者规划了一个游戏能够教神经网络驾驭轿车，它是一个简略的网络，具有固定数量的躲藏节点而且没有误差。可是经过短短几代的练习后，它就能把轿车开的又快又安全。

视频地址：https://www.youtube.com/watch?v=wL7tSgUpy8w

13. 将ML模型转化成本地代码(345赞)

这是一个轻量级的库，它供给了一种简略的办法来将经过练习的计算模型转化成原生代码(支撑Python、C、Java、Go、JavaScript、Visual Basic、c#)。”现在支撑以下模型：

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

14. 探究神经网络的丢失状况

摘自作者的帖子：“该帖子是关于在神经网络的丢失面中找到不同的形式。一般，环绕最小值的场景看起来像是一个坑，周围是随机的丘陵和山脉，可是存在着更有意义的坑，如下图所示。

“咱们发现你简直能够找到自己喜爱的任何landscape的最小值。风趣的是，找到的横向形式即便关于测验集也依然有用，即，它具有一种很可能关于整个数据散布依然有用的特点。”

论文地址：https://arxiv.org/abs/1910.03867

15. 根据GPT-2的Reddit机器人

作者根据OpenAI的GPT-2驱动构建了一个Reddit机器人。

你能够经过回复任何带有“ gpt-2 finish this”的谈论来运用这个回帖机器人。

Github地址：https://github.com/shevisjohnson/gpt-2_bot

16. Super SloMo：一个能够将任何视频转化为慢动作视频的CNN(332个赞)

这是由英伟达提出的一种算法，能够将30帧视频变成240帧的慢动作视频，有人用PyTorch完成了这个算法。

Github地址：https://github.com/avinashpaliwal/Super-SloMo

17. NLP预练习模型库(206个赞)

这是用于NLP的预练习transformer模型的开源库。该项目汇总了根据Transformer的各种最新的NLP-2、RoBERTa、XLM、DistilBert、XLNet等。

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