2019年精选机器学习项目

为了挑选2019年一些令人惊叹的机器学习项目，作者根据Reddit上的机器学习相关内容，整理了过去一年中最为流行的17个项目、研究论文和演示。希望通过这份列表，读者能够获得一些启发和有价值的见解。

1. 小样本非监督图像转换模型

受到人类创造力的启发，作者探索了一种小样本、无监督的图像转换算法，该算法能够在仅提供少量示例图像的情况下，实现从未见过的目标类别的图像转换。这种方法结合了对抗训练方案和新颖的网络设计，经过多种基准数据集的实验验证，证明了该框架的有效性。

2. 分解潜在空间生成定制动漫少女

作者开发了一种能够绘制动画的神经网络，通过Waifu实验室的自动贩卖机，用户可以选择喜欢的角色并生成自己喜爱的动画形象。

3. 机器学习最大数据集列表

这里列出了一个包含各种机器学习任务和领域的数据集列表，方便研究人员快速获取所需的数据。数据集按任务类型和领域分类，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。

4. 数据集：480000条NLP烂番茄评价，标记为好/不好

作者从网上收集了大量烂番茄网站上的评论数据，并将其整理成NLP任务中非常有用的数据集。该数据集包含480000条评价，已被标记为正面或负面。

5. 猫的门禁：使用机器学习创建智能猫门

作者设计了一款智能猫门，当猫嘴里含有猎物时会自动锁定，防止猫将死动物带进房间。通过连接摄像头并使用机器学习技术，实现了这一功能。

6. 基于点的图形学

作者提出了一种基于点的新方法，用于复杂场景的建模。该方法利用原始点云数据和可学习的神经描述符，通过深度渲染网络生成逼真的场景视图。这种方法在手持商用RGB-D传感器和标准RGB摄像头下也能取得良好效果。

7. AdaBound优化器

AdaBound是一种新型的优化器，旨在提升模型在看不见的数据上的训练速度和性能。它在训练初期表现类似Adam，在训练后期则转换为SGD，适用于各种机器学习任务。

8. Pluribus：首个在六人扑克中击败职业玩家的AI

Pluribus是第一个能够在六人有限注德州扑克中击败人类专家的AI，它通过自我学习的方式掌握了游戏策略，展示了在复杂多人游戏中战胜顶级人类玩家的能力。

9. 各种机器学习模型的NumPy实现

作者整理了一系列使用NumPy和Python标准库实现的机器学习模型、算法和工具，方便研究人员使用。

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. 100万张AI生成的假脸

作者使用NVIDIA的StyleGAN生成了100万张人脸图像，这些图像看起来与真实人物毫无差别。

12. 教神经网络驾驶赛车

作者开发了一个简单的神经网络，通过遗传算法训练，使其能够驾驶赛车快速且安全地行驶。

13. m2cgen：将机器学习模型转换为本地代码

m2cgen是一个轻量级的库，能够将训练好的机器学习模型转换为本地代码（Python、C、Java等），便于在不同环境中部署。

14. 探究神经网络的损失景观

作者研究了神经网络损失面中的不同形态，发现可以通过随机搜索找到具有实际应用价值的最小值。

15. 基于GPT-2的Reddit机器人

作者构建了一个基于OpenAI的GPT-2的Reddit机器人，能够回复带有特定关键词的帖子。

16. Super SloMo：将任何视频转换为慢动作视频

作者使用PyTorch实现了一种CNN模型，可以将任何视频转换为慢动作视频。

17. NLP预训练模型库

这是一个用于自然语言处理的预训练Transformer模型库，包含了BERT、GPT、GPT-2、Transformer-XL、XLNet、XLM等架构的预训练模型权重。

原文链接：
https://heartbeat.fritz.ai/best-of-machine-learning-in-2019-reddit-edition-5fbb676a808

北邮教授为你揭秘5G的发展历程、内在规律，并重点阐述新技术在数字经济时代的作用以及对我们每个人的影响，5G时代你绝不能错过的干货课程，立刻免费报名：
https://edu.csdn.net/huiyiCourse/detail/1138