为了挑选2019年一些令人瞩目的机器学习项目，作者根据Reddit上机器学习类目的内容，列出了过去一年中广受欢迎的17个机器学习项目、研讨论文和演示。以下是经过改写后的内容：

小样本非监督图像转换模型

受人类创造力的启发，作者开发了一种小样本、无监督的图像到图像转换算法，能够在仅有少量示例图像的情况下进行目标类别的转换。这种方法通过结合对抗训练和新颖的网络设计实现，通过在基准数据集上的多种基线方法实验，验证了其有效性。

分解潜在空间生成定制动漫少女

作者设计了一种可以绘制动画的神经网络。Waifu实验室提供的自动贩卖机允许用户选择喜欢的角色，并生成相应的动画形象。这种方式不仅方便快捷，还增加了用户的参与感和乐趣。

机器学习最大数据集列表

这里列出了一系列机器学习数据集，这些数据集可用于各种任务，包括计算机视觉、自然语言处理、自动驾驶、问答系统、音频和医疗等领域。数据集按照不同任务和领域进行了分类，并且可以根据许可证类型进行筛选。

数据集：480000条NLP烂番茄评论，标记为好/不好

作者收集了大量烂番茄网站上的评论，并将其标记为正面或负面。这些评论在自然语言处理任务中非常有用。数据集可以通过Google云端硬盘获取。

猫的门禁：使用机器学习创建猫门

本文介绍了一种利用机器学习技术制作的猫门。当猫嘴里含有猎物时，门会自动锁定15分钟，防止猫将死动物带入房间。作者通过将摄像头连接到猫门上，利用机器学习技术识别猫嘴中的物品。

基于点的图形生成

作者提出了一种新的基于点的复杂场景建模方法，通过原始点云作为场景的几何表示，并结合可学习的神经描述符来增强每个点。这种方法能够生成逼真的场景视图，同时避免了显式表面估计和网格化的过程。

AdaBound：一种高效的优化器

AdaBound是一种旨在加速训练过程并在看不见的数据上表现良好的优化器。它结合了Adam的快速训练速度和SGD的稳定性，并且有一个现成的PyTorch实现。作者是一位中国高校的大四学生。

Pluribus：首个在多人扑克中击败职业玩家的AI

Pluribus是第一个在六人有限注德州扑克中击败职业玩家的AI。该AI通过自我学习来掌握游戏策略，无需任何示例或策略指导。Pluribus的成功证明了它在处理具有隐藏信息的多人游戏方面的强大能力。

各种ML模型的NumPy实现

numpy-ml是一个包含了大量用NumPy和Python标准库编写的机器学习模型、算法和工具的集合。该项目提供了多种模型的实现代码，方便开发者使用。

17种深度强化学习算法的PyTorch实现

作者整理了17种深度强化学习算法的PyTorch实现，包括DQN、DQN-HER、Double DQN、REINFORCE、DDPG、DDPG-HER、PPO、SAC、A3C、A2C等。这些实现有助于研究者和开发者在不同场景下应用强化学习算法。

100万个AI生成的假脸

作者利用NVIDIA的StyleGAN生成了100万个逼真的假脸。这些图像看起来与真实人脸无异，可以在多个平台上下载和使用。

教神经网络驾驶赛车

通过简单的神经网络，作者教会了一辆赛车在固定时间内快速、安全地行驶。该网络使用遗传算法进行优化，评价标准由人工设定。

m2cgen：将机器学习模型转换为本地代码的工具

m2cgen是一个轻量级的库，可以将经过训练的机器学习模型转换为本地代码，支持Python、C、Java等多种编程语言。该工具为模型部署提供了便利。

探索神经网络的损失状况

本文探讨了神经网络损失面上的不同形态，发现不同的最小值形态在测试集上仍然有效。这种特性可能意味着某些形态具有更广泛的适用性。

基于GPT-2的Reddit机器人

作者开发了一个由OpenAI的GPT-2驱动的Reddit机器人，用户可以通过回复特定格式的消息来与机器人互动。

Super SloMo：将视频转换为慢动作的CNN

作者实现了Super SloMo，这是一种可以将任意视频转换为慢动作视频的卷积神经网络。该网络能够生成高质量的慢动作视频效果。

NLP预训练模型库：BERT、GPT、GPT-2、Transformer-XL、XLNet、XLM

这是一个开源的NLP预训练模型库，包含六种架构：Google的BERT、OpenAI的GPT和GPT-2、Google/CMU的Transformer-XL和XLNet、Facebook的XLM。该库提供了27种预训练模型权重，方便研究人员使用。

这些项目涵盖了机器学习领域的多个方面，包括图像处理、自然语言处理、强化学习等，为研究者和开发者提供了丰富的资源。