出品 | AI科技大本營（ID:rgznai100）
為了篩選2019年一些令人驚嘆的機器學習項目。根據reddit上機器學習類目中的內容，作者盤點了過去一年中最受歡迎的17個機器學習項目、研究論文、demo。希望你能在這個列表中獲得一些鼓舞人心的、有教育意義的啟發。
1、小樣本非監督圖像轉換模型
從人類的能力中獲得靈感，從少量的例子中提取新事物的本質，並從中進行歸納，作者尋求的是一種小樣本、無監督的圖像到圖像的轉換算法，該算法適用於在測試時僅通過一些示例圖像指定的、以前未見過的目標類。
論文連結：
https://arxiv.org/abs/1905.01723
「我們的模型通過將對抗訓練方案與新穎的網絡設計相結合實現了這一能力。通過對基準數據集上幾種基線方法的大量實驗驗證和比較，我們驗證了該框架的有效性。」
相關連結：
https://youtu.be/kgPAqsC8PLM
GitHub連結：
https://github.com/NVlabs/FUNIT
2、分解潛空間（latent space）生成自定義動漫少女
作者提出了一種能夠繪製動畫的人工神經網絡。
相關連結：https://waifulabs.com/
The Waifu實驗室的自動販賣機（Vending Machine）允許你選擇喜歡的角色，基於此，你可以生成你可能喜歡的動畫。
3、機器學習最大數據集列表
在這裡，作者整理了一個機器學習數據集的列表，可以用於機器學習實驗。
相關連結：https://www.datasetlist.com/
這種資源肯定可以減少在線查找數據集所需的工作時間。數據集按各種任務/領域進行細分，包括計算機視覺、自然語言處理、自動駕駛、問答系統、音頻和醫療。你還可以按license type排序。
4、數據集：480000個NLP爛番茄（Rotten Tomatoes）評價，標記為好/不好
（ps：爛番茄是一個以提供電影、電子遊戲及電視節目的相關評論、資訊和新聞為主的網站。）
作者從網上搜羅了爛番茄的評論，這些評論在自然語言處理任務中非常有用。
GitHub連結：
https://github.com/nicolas-gervais/6-607-Algorithms-for-Big-Data-Analysis/blob/master/scraping%20all%20critic%20reviews%20from%20rotten%20tomatoes
該數據集可在Google雲端硬碟上找到。
相關連結：
https://drive.google.com/file/d/1N8WCMci_jpDHwCVgSED-B9yts-q9_Bb5/view
5、貓的門禁：使用ML創建貓門，當貓嘴裡有獵物時會自動鎖定
這篇文章是關於一個使用機器學習創建的貓門。
相關連結：
https://youtu.be/1A-Nf3QIJjM
作者製作了一扇貓門，如果貓嘴裡有東西，門就會自動鎖上15分鐘，這使得貓無法把死動物帶到房子裡。他將攝像機連接到貓門上，然後用機器學習檢查貓嘴裡是否有東西。
6、Neural Point-Based Graphics
作者提出了一種新的基於點的複雜場景建模方法，使用原始點雲作為場景的幾何表示。
在本文中，研究者提出了一種新的基於點的複雜場景建模方法。該方法使用原始點雲作為場景的幾何表徵，並且利用能夠編碼局部幾何結構和外觀的可學習神經描述符來增大每個點。
相關連結：
https://youtu.be/7s3BYGok7wU
深度渲染網絡與描述符同時進行學習，這樣從新視點將點雲的光柵部分穿過這個網絡，從而獲得場景的新視圖。研究表明，這種新方法可用於建模複雜場景、得到這些場景的逼真視圖，同時能夠避免顯式表面估計和網格化。具體來講，使用手持商用 RGB-D 傳感器和標準 RGB 攝像頭可以在場景掃描任務中獲得令人信服的結果。
論文連結：
https://arxiv.org/abs/1906.08240
7、AdaBound
AdaBound是一個優化器，旨在看不見的數據上有更快的訓練速度和性能。它的訓練速度和Adam一樣快，和SGD一樣好(ICLR 2019)，有一個現成的PyTorch實現。其提出者是來自中國高校的大四學生。
GitHub連結：
https://github.com/Luolc/AdaBound
在模型訓練開始時，AdaBound的行為類似於Adam，並在結束時轉換為SGD。
相關連結：https://www.luolc.com/publications/adabound/
8、Pluribus：首個在6人撲克中擊敗職業玩家的AI
來自Facebook Research上的帖子：「 Pluribus是第一款能夠以六人無限注德州撲克打敗人類專家的AI機器人，德州撲克是世界上使用最廣泛的撲克形式。而且，這是AI機器人第一次在超過兩個或兩個團隊的複雜遊戲中擊敗頂級人類玩家。
「 Pluribus之所以成功，是因為它可以非常有效地處理具有隱藏信息的兩名以上玩家的遊戲挑戰，它使用自我玩法來教自己如何取勝，沒有任何示例或策略指導。」
相關連結：https://ai.facebook.com/blog/pluribus-first-ai-to-beat-pros-in-6-player-poker/
9、各種ML模型的NumPy實現
numpy-ml是越來越多的專門用NumPy和Python標準庫編寫的機器學習模型、算法和工具的集合。」
GitHub連結：
https://github.com/ddbourgin/numpy-ml
下面給出模型的可用代碼連結：
https://github.com/ddbourgin/numpy-ml/blob/master/numpy_ml/README.md
10、17種Deep RL算法的PyTorch實現
作者策劃了17種深度強化學習算法的PyTorch實現。
GitHub連結：https://github.com/p-christ/Deep-Reinforcement-Learning-Algorithms-with-PyTorch
其中的一些實現包括DQN，DQN-HER，Double DQN，REINFORCE，DDPG，DDPG-HER，PPO，SAC，離散SAC，A3C，A2C。
11、100萬可供下載的AI生成假臉
作者使用NVIDIA的StyleGAN生成了100萬張面孔。
相關連結：
https://archive.org/details/1mFakeFaces
如你所見，這些圖像看起來與真實人物完全一樣。
連結：
https://youtu.be/_kk4Zv1ysgU
12、教神經網絡駕駛賽車
教神經網絡駕駛賽車。這是一個簡單的網絡，具有固定數量的隱藏節點（沒有NEAT），並且沒有偏差。然而，經過短短幾代人的努力，它成功地使汽車快速、安全地行駛。
相關連結：
https://youtu.be/wL7tSgUpy8w
「人口為650，該網絡通過隨機突變發展，擬合評估目前是手動完成的。」
13、m2cgen：一個簡單的庫，將ML模型轉換為本地代碼（Python / C / Java）
m2cgen（模型2代碼生成器）—是一個輕量級的庫，它提供了一種簡便的方法來將經過訓練的統計模型轉換為本地代碼（Python，C，Java，Go，JavaScript，Visual Basic，C＃）。」
GitHub連結：
https://github.com/BayesWitnesses/m2cgen/
當前支持的模型如下：
14、探索神經網絡的損失情況
摘自作者的帖子：「該帖子是關於在神經網絡的損失面中找到不同的模式。通常，圍繞最小值的場景看起來像是一個坑，周圍是隨機的丘陵和山脈，但是存在著更有意義的坑，如下圖所示。
GitHub連結：
https://github.com/universome/loss-patterns
「我們發現你幾乎可以找到自己喜歡的任何landscape的最小值。有趣的是，找到的橫向模式即使對於測試集也仍然有效，即，它具有一種很可能對於整個數據分布仍然有效的屬性。」
論文連結：
https://arxiv.org/abs/1910.03867
15、基於GPT-2的Reddit Bot
作者構建了一個由OpenAI的GPT-2驅動的Reddit機器人。
GitHub連結：
https://github.com/openai/gpt-2
可以通過回復任何帶有「 gpt-2完成此操作」的評論來使用該機器人。
GitHub連結：
https://github.com/shevisjohnson/gpt-2_bot
16、Super SloMo：一個可以將任何視頻轉換為慢動作視頻的CNN
作者在PyTorch中實現了論文：
https://people.cs.umass.edu/~hzjiang/projects/superslomo/
GitHub連結：
https://github.com/avinashpaliwal/Super-SloMo
17、NLP的預訓練模型庫：Bert，GPT，GPT-2，Transformer-XL，XLNet，XLM
這是用於NLP的預訓練transformer模型的開源庫。它具有六種架構：
GitHub連結：
https://github.com/huggingface/transformers
該庫為這些架構提供了27種預訓練的模型權重。
原文連結：
https://heartbeat.fritz.ai/best-of-machine-learning-in-2019-reddit-edition-5fbb676a808
北郵教授為你揭秘5G的發展歷程、內在規律，並重點闡述新技術在數字經濟時代的作用以及對我們每個人的影響，5G時代你絕不能錯過的乾貨課程，立即免費報名！熱 文 推 薦
☞華為回應關於「獲政府巨額補貼」報導；最高法：微信微博聊天記錄可作為證據；GoLand 2020.1 路線圖公布 | 極客頭條
☞大廠押注「極速版」
☞網際網路，請別再說謊！
☞人工智慧尷尬的2019：需要錢卻沒錢可燒了
☞量子通信，到底是什麼工作原理？
☞這三名男子靠開加密礦池獲得7.22 億美元，卻不兌現收益拿去奢侈揮霍……
點擊閱讀原文，即刻參加！