开源是变革性软件的沃土，尤其是在人工智能 (AI) 和机器学习等前沿领域。开源精神和协作工具使团队更容易共享代码和数据，并在他人的成功基础上再接再厉。
本文着眼于 13 个正在重塑人工智能和机器学习世界的开源项目。有些是支持新算法的复杂软件包。其他人则更微妙地变革。所有这些都值得一看。
和
如果不向和致敬，那么用于 AI 和机器学习的开源工具列表将是不完整的。这些 OG 框架单独和共同支持机器学习和人工智能领域的一些最具实验性和最重要的研究。本文中讨论的至少一些项目将它们用作构建块。
需要一点编码帮助的程序员可以从获得它。该系统在现有的生产代码上进行自我训练，并从中学习到足够的知识来提出结构化的评论和建议。该项目的灵感来自 ，但 允许您选择用于训练的存储库。这一额外的控制层可防止您使用来自可能不批准该使用的来源的代码片段。如果您选择培训来源并将其限制为仅具有适当权限和许可证的人，那么您使用的编码帮助和代码片段更有可能是干净和可信赖的。
了解机器学习模型如何“思考”的最简单方法之一是开始将单词插入DALL-E，这是一个非常大的开放模型，由从互联网上挑选的图像和文本描述构建而成。输入一个词，输出一个 DALL-E 认为匹配的图像。DALL-E 和DALL-E Mini等开源项目使模型的试验变得更加容易。它部分是游戏，部分是进入人工智能算法思想的门户。
实时对象检测或在图像中查找对象是人工智能的一个棘手领域。它对于需要收集和传达准确环境信息的自动驾驶汽车、机器人和辅助设备等领域也至关重要。是最快、最准确的开源对象检测工具之一。只需为该工具提供一组充满对象的图像，然后看看接下来会发生什么。
是借助深度学习创建、更改或合成的视频和图像。最常见的例子是将名人或政客的脸换成现有的视频或图像，通常是为了幽默，但有时是为了更邪恶的目的。是在 上运行的开源 技术。除了将一张脸换成另一张脸外，它还可以用来去除皱纹和其他年龄和经验的标志。
自然语言处理 (NLP)引擎执行神经搜索和情感分析，然后为人类和机器用户提取和呈现信息。虽然有时仍然很笨拙，但这项技术已经变得足够复杂，可以在各种应用程序和领域中使用（Alexa 只是一个例子）。是一个流行的开源 NLP 库，您可以使用它来收集搜索情绪并标记重要实体。
人工智能成功的传统途径是将数据存储在数据库中，然后将其提取到单独的机器学习算法中。是一个将机器学习算法直接集成到数据库中的 SQL 服务器。数据库内机器学习，或分析已存储数据的数据，是加快机器学习工作流程的一种快速有效的方法。
Image Super- (ISR)
照片的细节总是越多越好，而图像超分辨率可以通过提高图像分辨率来添加更多细节。这个开源工具采用机器学习模型，您可以训练该模型以猜测低分辨率图像中的细节。通过良好的训练集，该模型可以产生准确的细节和更清晰的图像。
许多企业和大公司正在用聊天机器人取代客户服务的前线，这意味着机器正在学习进行对话。将、Keras和等基本机器学习工具结合在一起，创建聊天机器人供您学习。结果是古怪的，奇怪的，有时，通过正确的培训，甚至有用。
将 3D 模型转换为华丽渲染场景的方法是启动。虽然许多人认为它是电影制作人和动画师的工具，但 也是应用 AI的一个很好的例子。丰富的界面和众多插件使创建复杂的动态图形或电影场景成为可能。所需要的只是一点创造力，奥斯卡提名委员会很快就会打电话来。人工智能甚至不会要求分享信用。
探索机器视觉最肥沃的基础之一是开源计算机视觉库 。它包括许多用于识别数字图像中对象的流行算法，以及专门的例程，例如可以识别和读取汽车上的车牌的例程。
就像你的算法的饥饿游戏。这款基于 Java 的编程游戏可让您的坦克在争夺统治权的战斗中与他人作战。这是一种有趣的消遣，甚至可能有助于测试自动驾驶汽车的新策略。
323AI导航网发布
相关文章
