2019年度精选机器学习项目

为了展示2019年最具启发性的机器学习项目，作者从Reddit的机器学习板块中精选了17个备受关注的项目、研究论文和演示。以下是这些项目的概述，希望能给你带来一些灵感和启示。

1. 小样本无监督图像转换模型

受人类才能的启发，作者开发了一种小样本、无监督的图像转换算法，能够在测试阶段仅通过少量示例图像指定的目标类别下实现图像转换。该模型结合了对抗训练方案和新颖的网络设计，通过大量实验验证了其有效性。

2. 分解潜在空间生成定制动漫少女

作者提出了一种利用人工神经网络生成动漫人物的方法。用户可以选择自己喜欢的角色，从而生成个性化的动漫形象。

3. 机器学习最大数据集列表

作者整理了一份涵盖多个领域的机器学习数据集列表，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。这些数据集按不同任务和领域分类，方便用户查找和使用。

4. NLP数据集：480000条烂番茄评论，标注为正面/负面

作者从网上收集了大量烂番茄评论，并将其标注为正面或负面。该数据集可用于自然语言处理任务，用户可以从Google云端硬盘获取数据集。

5. 猫的智能门禁系统

作者开发了一款智能猫门，能够在猫嘴里有猎物时自动锁定15分钟。该系统通过摄像头捕捉猫嘴中的物品，并利用机器学习技术判断是否需要锁定。

6. 基于点的图形生成

作者提出了一种基于点的复杂场景建模方法，使用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。这种方法可以生成逼真的场景视图，无需显式的表面估计和网格化。

7. AdaBound优化器

AdaBound是一种优化器，旨在提升在不可见数据上的训练速度和性能。它结合了Adam和SGD的优点，提供了一种现成的PyTorch实现。该优化器在训练初期行为类似于Adam，在训练后期转换为SGD。

8. Pluribus：首个在多人扑克中击败职业选手的AI

Pluribus是一款AI，首次在六人有限注德州扑克中击败人类专家。它通过自我博弈学习获胜策略，而无需任何示例或策略指导。

9. NumPy实现的机器学习模型

numpy-ml 是一系列用NumPy和Python标准库编写的机器学习模型、算法和工具的集合。用户可以从GitHub获取这些模型的代码实现。

10. 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。

11. AI生成的假脸数据集

作者使用NVIDIA的StyleGAN生成了100万张假人脸图像，这些图像与真实人物极为相似。

12. 教神经网络驾驶赛车

作者训练了一个简单的神经网络，使其能够快速、安全地驾驶赛车。通过随机变异和适应性评估，网络在几代内学会了高效驾驶。

13. m2cgen：将机器学习模型转换为本地代码的库

m2cgen 是一个轻量级库，可以将经过训练的机器学习模型转换为本地代码（Python、C、Java等），便于在不同平台上部署。

14. 探究神经网络的损失景观

作者研究了神经网络损失面的不同形态，发现可以通过优化找到特定的损失景观。这些景观即使在测试集上也能有效工作。

15. 基于GPT-2的Reddit机器人

作者构建了一个由OpenAI的GPT-2驱动的Reddit机器人，可以根据输入生成回复。

16. Super SloMo：将视频转换为慢动作的CNN

作者在PyTorch中实现了Super SloMo，这是一种可以将任何视频转换为慢动作视频的卷积神经网络。

17. NLP预训练模型库

该库提供了多种NLP预训练模型，包括BERT、GPT、GPT-2、Transformer-XL、XLNet和XLM，共计27种预训练模型权重。

希望这些项目能给你带来启发和帮助！