대인기의 Github 기계 학습 아이템을 소개 5선 - ScrapeStorm

이 기사에서는 다섯 가지 인기있는 GitHub 기계 학습 항목을 소개합니다. 이러한 항목에는 자연 언어 처리(NLP), 컴퓨터 비전, 빅 데이터 등 다양한 기계 학습 분야가 포함되어 있습니다.

1.PyTorch-Transformers

링크: htps : // 기주 b. 코 m / 푹신 g 푸세 / py와 rch t ran s fu r rs
NLP는 텍스트의 처리 방식을 바꾸어, 그 강도는 말로 설명할 수 없을 정도입니다.
PyTorch-Tirans formers가 가장 느리게 나타났지만 다양한 NLP 작업에 이미 있는 기준을 무너뜨렸습니다. PyTorch 구현과 같은 기타 수요 요소를 포함하여 초보자 입문을 돕습니다.
아래 기사는 PyTorch-Transformers를 자세히 분석합니다. 참조하십시오.
① htps //w w. 아나 ly 치 csゔぃd 히. 이 m/bぉg/2019/07/py와 rch-t rans ふぉrめ rs-lppy 쵸/? u tm_so rse = b ぉ g & u tm _ m m = 7 쵸
② htps //w w. 아나 ly 치 csゔぃd 히. 이 m/bぉg/2019/03/p t 같다 d도에서 ls-게 ts r r dun lp/? 우 tm_ 그렇게 r = b ぉ g & t m_ 그렇게 m = 7
-innovative-machine-learning-github-projects-in-python
③ htps //w w. 아나 ly 치 csゔぃd 히. 이 m/bぉg/2018/02/py와 rch-개 l/? u tm_so rse = b ぉ g & u tm _ m m = 7 쵸

2. TDEngine

링크: htps : // 기주 b. 코 m / Tao s Data / T Dengi
TDEngine 데이터베이스는 거의 한 달 안에 거의 10,000개의 Star를 축적합니다.
TDEngine은 오픈 소스 빅 데이터 플랫폼입니다. 아래의 분야에 주목하고 있습니다.
・사물인터넷(IoT)
· 차량 인터넷
· IT 인프라 등.
현재 주의해야 할 점이 하나 있습니다. TDEngine은 Linux만 지원합니다. 데이터 엔지니어를 위한 리소스 가이드를 읽는 것이 좋습니다.
· https://www.analyticsvidhya.com/blog/2018/11/data-engineer-comprehensive-list-resources-get-started/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

3.Video Object Removal

링크: htps : // 기주 b. 이 m / → l runin g / ゔ ぃ에서 오 b ぇ c t-re ゔぁ l
컴퓨터 비전은 이미지를 조작하고 처리하기 위한 것이며 매우 고급 기술입니다. 컴퓨터 비전 전문가가 되려면 이미지의 목표 감지가 필수입니다. 동영상은 어때? 여러 동영상에서 대상의 경계 상자를 그리는 경우 간단하게 보이지만 실제 난이도는 그보다 훨씬 높으며 대상의 동적 특성으로 인해 작업이 더욱 복잡해집니다.
따라서 Video Object Removal은 훌륭합니다. 동영상의 타겟 주위에 경계 상자를 그리는 한 삭제할 수 있습니다.

아래의 기사는 신속하게 입문에 도움이 됩니다.
· https://courses.analyticsvidhya.com/courses/computer-vision-using-deep-learning-version2/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

4.Python Autocomplete

링크: htps : // 기주 b. 코 m / vpj / py 쵸 _ 오토코 mp ぇ
데이터 과학자의 대부분의 작업은 다양한 알고리즘을 테스트하는 것입니다. Python Autocomplete는 LSTM의 간단한 모델을 사용하여 자동으로 Python 코드를 작성할 수 있습니다.
아래 회색 부분은 LSTM 모델에서 자동으로 생성된 코드입니다.

LSTM에 대한 자세한 내용은 아래 기사를 참조하십시오.
· https://www.analyticsvidhya.com/blog/2017/12/fundamentals-of-deep-learning-introduction-to-lstm/?utm_source=blog&utm_medium=7-innovative-machine-learning-github-projects-in-python

5.MedicalNet

MedicalNet은 의료 데이터 세트를 다양한 양식, 대상 장기 및 의학적 상태와 결합하여 더 큰 데이터 세트를 구축합니다.
아시다시피 모델 학습 모델에는 많은 양의 교육 데이터가 필요하지만 TenCent가 발표 한 MedicalNet은 훌륭한 오픈 소스 프로젝트입니다. 꼭 사용해보십시오.
아래의 기사를 참조하시면 다행입니다.
· Https://www.analyticsvidhya.com/blog/2017/06/transfer-learning-the-art-of-fine-tuning-a-pre-trained-model/?utm_source=blog&utm_medium=7-innovative-machine-learning -github-projects-in-python

전 기사 : https://blog.csdn.net/qq_28168421/article/details/101088174?utm_medium=distribute.pc_feed_category.none-task-blog-new-11.nonecase&depth_1-utm_source=distribute.pc 11.nonecase&request_id=