谷歌15個人工智能開源免費項目！開發(fā)者：懂了
關(guān)于人工智能的開源項目，相信開發(fā)者們已經(jīng)目睹過不少了，Github上也有大把的資源。不過筆者今天說的并非來自Github，而是來自科技“大廠”Google發(fā)布的一些涉及到機器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等優(yōu)質(zhì)的人工智能開源項目，精心挑選了一部分推薦給大家學(xué)習(xí)。下面就來看一看。
1、AdaNet：
快速靈活的AutoML，可自主學(xué)習(xí)。AdaNet是一個基于TensorFlow的輕量級框架，可在最少的專家干預(yù)下自動學(xué)習(xí)高質(zhì)量的模型。它使用Cortes等AdaNet算法。2017年將學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)作為子網(wǎng)的整體。重要的是，AdaNet提供了一個通用框架，不僅用于學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)，而且還用于學(xué)習(xí)集成以獲得更好的模型。
2、Auto ML Video On-Device：
使用AutoML視頻訓(xùn)練對象檢測移動序列模型進行推理。該示例代碼顯示了如何加載Google Cloud AutoML視頻對象跟蹤設(shè)備上模型以及如何對視頻剪輯中的一系列圖像進行推斷。目標(biāo)設(shè)備是CPU和EdgeTPU。
3、Budou：
適用于中文，日文和韓文(CJK)語言的自動換行工具。Budou會自動將CJK句子轉(zhuǎn)換為具有有意義的塊的組織HTML代碼，以在網(wǎng)絡(luò)上提供漂亮的字體。
4、Bullet Physics SDK：
針對VR，游戲，視覺效果，機器人技術(shù)，機器學(xué)習(xí)等的實時碰撞檢測和多物理場仿真。Bullet Physics SDK是用便攜式C++編寫的專業(yè)開源庫。該庫主要用于游戲，視覺效果和機器人仿真等等。該庫在zlib許可下可免費用于商業(yè)用途。
pybullet是一個易于使用的Python模塊，用于物理仿真，機器人技術(shù)和機器學(xué)習(xí)。使用pybullet您可以加載URDF，SDF和其他文件格式的鉸接體。pybullet提供正向動力學(xué)模擬，逆向動力學(xué)計算，正向和逆向運動學(xué)以及碰撞檢測和射線相交查詢。除了物理模擬之外，pybullet還支持渲染，CPU渲染器和OpenGL可視化以及對虛擬現(xiàn)實耳機的支持。
5、CausalImpact：
用于預(yù)估設(shè)計的干預(yù)措施對時間序列的因果影響的統(tǒng)計庫。CausalImpactR程序包實現(xiàn)了一種方法，用于估計設(shè)計的干預(yù)措施對時間序列的因果關(guān)系。例如，一個廣告系列產(chǎn)生了多少額外的每日點擊?當(dāng)無法進行隨機實驗時，很難回答這樣的問題。該軟件包旨在使用結(jié)構(gòu)貝葉斯時間序列模型來解決此難題，以估計如果干預(yù)未發(fā)生，干預(yù)后干預(yù)指標(biāo)可能如何演變。
6、Darwin Neuroevolution Framework：
神經(jīng)進化和進化算法框架。達爾文(Darwin)是一個旨在使神經(jīng)進化實驗變得簡單，快速和有趣的框架。它提供了構(gòu)建基塊，示例和工具，從而避免了研究新思想所需的重復(fù)(且可能是復(fù)雜的)支架。
7、DeepMind Lab：
可定制的3D平臺，用于基于代理的AI研究。DeepMind Lab是一個第一人稱3D游戲平臺，旨在研究和開發(fā)通用人工智能和機器學(xué)習(xí)系統(tǒng)。它提供了一組具有挑戰(zhàn)性的導(dǎo)航和解謎任務(wù)，這些任務(wù)對于深度強化學(xué)習(xí)特別有用。其簡單靈活的API使創(chuàng)新的任務(wù)設(shè)計和新穎的AI設(shè)計得以探索并快速迭代。
8、Dopamine：
強化學(xué)習(xí)算法的快速原型研究框架。Dopamine是基于TensorFlow的研究框架，用于快速學(xué)習(xí)強化學(xué)習(xí)算法的原型。它旨在滿足對小型，易處理的代碼庫的需求，用戶可以在其中自由地試驗荒誕的想法(推測性研究)。
9、gemmlowp：
低精度矩陣乘法。gemmlowp是一個用于相乘矩陣的庫，其項被量化為8位整數(shù)。它用于移動神經(jīng)網(wǎng)絡(luò)應(yīng)用程序，并獲得了英特爾和ARM的大力支持，從而確保了它在各種移動CPU上的高效性。
10、Generative ML On Cloud：
一種基于云的工具，有助于生成機器學(xué)習(xí)和合成圖像。端到端的系統(tǒng)設(shè)計允許用戶擁有圖像的自定義數(shù)據(jù)集，以在Cloud ML上訓(xùn)練可變自動編碼器生成對抗網(wǎng)絡(luò)(VAE-GAN)模型。在這里，模型被部署到云端，用戶可以在其中輸入嵌入以從其數(shù)據(jù)集中生成合成圖像，或者輸入圖像以獲取嵌入矢量。該工具使用Google Cloud Machine Learning API和TensorFlow。
11、Graph Distillation：
用于動作檢測的圖形蒸餾。在這項工作中，我們提出了一種稱為“圖蒸餾”的方法，該方法在源域中合并了來自大型多模態(tài)數(shù)據(jù)集的豐富特權(quán)信息，并改善了缺乏訓(xùn)練數(shù)據(jù)和模態(tài)的目標(biāo)域中的學(xué)習(xí)。
12、Kubeflow：
Kubernetes的機器學(xué)習(xí)工具包。Kubeflow項目致力于使機器學(xué)習(xí)(ML)工作流在Kubernetes上的部署簡單，可移植且可擴展。我們的目標(biāo)不是重新創(chuàng)建其他服務(wù)，而是提供一種直接的方法來將ML的同類最佳的OS系統(tǒng)部署到各種基礎(chǔ)結(jié)構(gòu)。在運行Kubernetes的任何地方，都應(yīng)該能夠運行Kubeflow。
13、Magenta：
借助機器智能進行音樂和藝術(shù)創(chuàng)作。Magenta是一個研究項目，旨在探索機器學(xué)習(xí)在藝術(shù)和音樂創(chuàng)作過程中的作用。首先，這涉及開發(fā)新的深度學(xué)習(xí)和強化學(xué)習(xí)算法，以生成歌曲，圖像，繪圖和其他材料。但這也是對構(gòu)建智能工具和界面的一次探索，該工具和界面允許藝術(shù)家和音樂家使用這些模型擴展(而不是替換!)他們的過程。
14、MentorNet：噪聲數(shù)據(jù)深度學(xué)習(xí)。該示例代碼顯示了如何加載Google Cloud AutoML視頻對象跟蹤設(shè)備上模型，以及如何對視頻剪輯中的一系列圖像進行推斷。目標(biāo)設(shè)備是CPU和EdgeTPU。
15、TensorFlow Playground：
瀏覽器在神經(jīng)網(wǎng)絡(luò)中的可視化交互。TensorFlow Playground讓神經(jīng)網(wǎng)絡(luò)的交互式變得可視化，使用d3.js以打字稿編寫。它包含一個微型神經(jīng)網(wǎng)絡(luò)庫，可以滿足這種教育可視化的要求。用戶可以在瀏覽器中實時模擬小型神經(jīng)網(wǎng)絡(luò)并查看結(jié)果。
這15個項目均來自Google open source開源項目，這對開發(fā)者來說無疑是一個寶庫。除此之外，有了這些開源的免費資源，開發(fā)者還可以通過鈦靈AIX來實踐和開發(fā)自己的人工智能原型產(chǎn)品。鈦靈AIX迷你小電腦，支持語音交互和視覺識別，內(nèi)置英特爾 Movidius Myraid X 運算加速芯片，全球最受歡迎的開源硬件樹莓派、以及多種傳感技術(shù)。AIX極大降低AI的學(xué)習(xí)與開發(fā)門檻，幫助AI愛好者及開發(fā)者們快速構(gòu)建會聽、會說、會看的 AI 應(yīng)用及解決方案。
