内容简介:#基于Keras的机器学习自动化库
#基于Keras的机器学习自动化库
Auto Keras 是一个用于自动机器学习的开源框架 ,让缺乏机器学习背景的领域专家也能轻松使用机器学习 工具 和各类深度学习模型, 其主要功能包括自动设计网络结构和自动调参。
项目链接
https://github.com/jhfjhfj1/autokeras
Pythia
#来自FAIR的模块化VQA框架
Pythia 是由 Facebook AI Research 开发的模块化 VQA 框架。由于 VQA 模型有着标准的设计模式,包括:问题编码,图像特征抽取,带有注意力机制的输入信息融合,答案生成等,因此 本项目的长期目标为提供一个易用、可扩展的模块化平台。
项目链接
https://github.com/facebookresearch/pythia
AnyQ
#基于FAQ集合的问答系统
AnyQ (ANswer Your Questions) 开源项目主要包含面向 FAQ 集合的问答系统框架、文本语义匹配工具 SimNet。
问答系统框架采用了配置化、插件化的设计,各功能均通过插件形式加入,当前共开放了 20+ 种插件。开发者可以使用 AnyQ 系统快速构建和定制适用于特定业务场景的 FAQ问答系统,并加速迭代和升级。
SimNet 是百度自然语言处理部于 2013 年自主研发的语义匹配框架,该框架在百度各产品上广泛应用,主要包括 BOW、CNN、RNN、MM-DNN 等核心网络结构形式,同时基于该框架也集成了学术界主流的语义匹配模型,如 MatchPyramid、MV-LSTM、K-NRM 等模型。SimNet 使用 PaddleFluid 和Tensorflow 实现,可方便实现模型扩展。使用 SimNet 构建出的模型可以便捷的加入 AnyQ 系统中,增强 AnyQ 系统的语义匹配能力。
▲ AnyQ的框架结构
项目链接
https://github.com/baidu/AnyQ
#端到端语音处理工具箱
ESPnet 是一个端到端的语音处理工具箱,主要功能聚焦在端到端语音识别和文本转语音 。本项目基于 Chainer 和 PyTorch 作为开发框架。
项目链接
https://github.com/espnet/espne
#免费在线交互式视频和图像标注工具
CVAT 是一款用于计算机视觉的免费在线交互式视频和图像标注工具 。OpenCV团队已用它标注了具有不同属性的数百万个对象,许多 UI 和 UX 决策都基于专业数据标注团队的反馈。
项目链接
https://github.com/opencv/cvat
#目标检测评测指标
考虑到在目标检测任务中不同工作采用的评测指标各不相同,无法统一进行比较。 本项目提供了易于使用的功能,结合了各大主流目标检测竞赛的评测指标 ,用户无需将检测模型修改为复杂的输入格式,避免转换为XML或 JSON 文件。
项目链接
https://github.com/rafaelpadilla/Object-Detection-Metrics
Torchbearer
#PyTorch模型训练库
Torchbearer 是一个专为研究人员设计的 PyTorch 模型训练库,适合于执行高级自定义操作,方便快速测试一些经典模型在新任务上的表现。
项目链接
https://github.com/ecs-vlc/torchbearer
text2sql-data
#Text2 SQL 代码、数据集和评测方法
本项目开源了 Text2SQL 的代码、数据集和评测方法,对于一系列领域,该项目提供:
-
带有注释变量的句子
-
SQL查询
-
数据库架构
-
一个数据库
Text2SQL 论文链接:
http://aclweb.org/anthology/P18-1033
项目链接
https://github.com/jkkummerfeld/text2sql-data
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 最值得了解的10大开源技术
- 30个值得关注的Vue开源项目
- 又一款开源图标库 CSS.GG,值得一用
- 2019年13个值得关注的Linux和开源会议
- 自动化测试:六个值得参考的 Laravel 开源项目
- Swift 开源后的第一个月, 值得我们关注的变化
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
App研发录:架构设计、Crash分析和竞品技术分析
包建强 / 机械工业出版社 / 2015-10-21 / CNY 59.00
本书是作者多年App开发的经验总结,从App架构的角度,重点总结了Android应用开发中常见的实用技巧和疑难问题解决方法,为打造高质量App提供有价值的实践指导,迅速提升应用开发能力和解决疑难问题的能力。本书涉及的问题有:Android基础建设、网络底层框架设计、缓存、网络流量优化、制定编程规范、模块化拆分、Crash异常的捕获与分析、持续集成、代码混淆、App竞品技术分析、项目管理和团队建设等......一起来看看 《App研发录:架构设计、Crash分析和竞品技术分析》 这本书的介绍吧!