本帖最后由 3dfx232 于 2018-12-17 15:20 编辑
主题：NLP，Hentai，应用RL，强化学习，深度学习，自动化，图形网络，MAME RL算法，模型压缩，R-CNN 1. Bert BERT是一种预训练语言表征的方法，这意味着我们在大型文本语料库（如维基百科）上训练通用的“语言理解”模型，然后将该模型用于下游NLP任务（如回答问题）。BERT优于以前的方法，因为它是第一个用于预训练NLP的无监督、深度双向系统。无监督意味着BERT仅使用纯文本语料库进行训练，这很重要，因为大量纯文本数据在网络上以多种语言公开。由Google AI Research提供。 Github评星8210。 项目：github.com/google-research/bert?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
2. DeepCreamPy 这是一种基于深度学习的工具，可以通过合理的重建自动替换hentai中被审查的艺术作品。用户在诸如GIMP或Photoshop的图像编辑程序中，审查区域为绿色。神经网络填补了被和谐的区域。DeepCreamPy提供了用于Windows 64位的预构建二进制文件。DeepCreamPy适用于Windows，Mac和Linux。由deeppomf提供。 Github评星6239。 项目：github.com/deeppomf/DeepCreamPy?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
3. Horizon Horizon是一个开源的端到端平台，用于在Facebook开发和使用的应用强化学习（RL）。Horizon是用Python构建的，使用PyTorch进行建模和训练，使用Caffe2进行模型服务。该平台包含用于训练流行的深度RL算法的工作流程，包括数据预处理，特征转换，分布式训练，反事实策略评估和优化服务。由Facebook Research提供。 Github评星1318。 项目：github.com/facebookresearch/Horizon?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
4. TRFL TRFL是一个建立在TensorFlow上的库，它为实现强化学习代理提供了几个有用的构建块。由DeepMind提供。 Github评星1916。 项目：github.com/deepmind/trfl?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
5. DeOldify 一个基于深度学习的项目，用于给老照片着色及修复。由Jason Antic提供。 Github评星4034。 项目：github.com/jantic/DeOldify?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
6. Adanet AdaNet是一个基于TensorFlow的轻量级框架，可以通过最少的专家干预自动学习高质量模型。AdaNet以最近的AutoML为基础，在提供学习保证的同时快速灵活。重要的是，AdaNet提供了一个通用框架，不仅可以学习神经网络架构，还可以学习集成以获得更好的模型。由TensorFlow提供。 Github评星1808。 项目：github.com/tensorflow/adanet?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
7. Graph_nets Graph Nets是DeepMind的库，用于在Tensorflow和Sonnet中构建图形网络。由DeepMind提供。 Github评星2200。 项目：github.com/deepmind/graph_nets?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
8. MAMEToolkit 这个Python库可能在任何街机游戏中模拟，以训练强化学习算法。它目前在Linux系统上可用，并可在MAME中模拟。该工具包允许算法逐步完成游戏过程，同时接收帧数据和内部存储器地址值以跟踪游戏状态，发送与游戏交互的动作。由Michael Murray提供。 Github评星364。 项目：github.com/M-J-Murray/MAMEToolkit?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
9. PocketFlow PocketFlow是一个开源框架，以最少的人力来压缩和加速深度学习模型。PocketFlow旨在为开发人员提供易于使用的工具包，以提高推理效率，同时几乎不会降低性能。开发人员只需指定所需的压缩或加速比，然后PocketFlow将自动选择适当的超参数，以生成高效的部署压缩模型。由腾讯提供。 Github评星1304。 项目：github.com/Tencent/PocketFlow?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
10. Maskrcnn-benchmark 该项目旨在提供必要的构建块，以便使用PyTorch 1.0轻松创建检测和分割模型。由Facebook Research提供。 Github评星1304。 项目：github.com/facebookresearch/maskrcnn-benchmark?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more
| 
发表于 2018-12-17 15:18:24
