最近，Mybridge发布了一篇文章，对比了过去一年中机器学习领域大约8800个开源项目后，选出30个2017年度优秀的开源项目，包含机器学习开源库、数据库以及其他应用程序，这些项目差不多都是在2017年1-12月发布。Mybridge AI通过受欢迎度、参与度以及其他方面对开源项目进行评定。

对于机器学习者来说，阅读开源代码并基于代码构建自己的项目，是一个非常有效的学习方法。看看以下这些Github上平均star为3558的开源项目，你错了哪些？

在开始之前，先推荐阅读

A. 神经网络：深度学习 A-ZTM : 亲手搭建人工神经网络（推荐次数68,745 , 4.5/5 stars）

链接：http://bit.ly/2CH1WcQ

B.用Python进行深度学习的TensorFlow的完整指南（推荐次数17,834, 4.6/5 stars）

链接：http://bit.ly/2EatVy7

接下来是Mybridge精选的Top 30的项目：

1. FastText：快速文本表示和文本分类库（Github上有11786颗星，贡献者Facebook Research）

源码链接：https://github.com/facebookresearch/MUSE

2. Deep-photo-styletransfer：“Deep Photo Style Transfer” 这篇论文的源码和数据。（GitHub 9747颗星，论文来自于康奈尔大学的Fujun Luan）

源码链接：https://github.com/luanfujun/deep-photo-styletransfer

3. 用Python和命令行来实现的最简单的面部识别API（GitHub 8672颗星，贡献者Adam Geitgey）

源码链接：https://github.com/ageitgey/face_recognition

4. Magenta:利用机器智能生成音乐和美术艺术品（GitHub 8113颗星）

源码链接：https://github.com/tensorflow/magenta

5. Sonnet：基于TensorFlow的神经网络库（GitHub 573颗星，贡献者是DeepMind的Malcolm Reynolds ）

源码链接：https://github.com/deepmind/sonnet

6. deeplearn.js：一个用于Web的硬件加速机器学习库（GitHub 5462颗星，贡献者是Google Brain的Nikhil Thorat）

源码链接：https://github.com/PAIR-code/deeplearnjs

7. 基于TensorFlow的快速风格迁移库（GitHub 4843颗星，贡献者是MIT的Logan Engstrom）

源码链接：https://github.com/lengstrom/fast-style-transfer

8. Pysc2: 星际争霸2学习环境（GitHub 3684颗星，贡献者是DeepMind的Timo Ewalds）

源码链接：https://github.com/deepmind/pysc2

9. AirSim： Microsoft AI & Research开源的基于虚幻引擎的开源模拟器，用于自动驾驶（GitHub 3861颗星，贡献者是Microsoft的Shital Shah）

源码链接：https://github.com/Microsoft/AirSim

10. acets: 机器学习数据集的可视化工具（GitHub 3371颗星，由Google Brain贡献）

源码链接：https://github.com/PAIR-code/facets

11. Style2Paints：用AI技术为线稿快速上色的工具（GitHub 3310颗星）

源码链接：https://github.com/lllyasviel/style2paints

12. Tensor2Tensor：一个用于广义序列-序列模型的库 - Google Research（GitHub 3087颗星，贡献者是Google Brain的Ryan Sepassi）

源码链接：https://github.com/tensorflow/tensor2tensor

13. 基于Pytorch实现的图片-图片转换（GitHub 2847颗星，贡献者Berkeley的Jun-Yan Zhu, Ph.D）

源码地址：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

14. Faiss：用于密集向量的高效相似性搜索库和聚类的库（GitHub 2629颗星，贡献者Facebook Research）

源码地址：https://github.com/facebookresearch/faiss

15. Fashion-minist：类似于MNIST的时尚产品数据集（GitHub 2780颗星，贡献者是Zalando Tech的Han Xiao）

源码链接：https://github.com/zalandoresearch/fashion-mnist

16. ParlAI：一个可用在各种公开可用的对话数据集上训练和评估AI模型的框架（GitHub 2578颗星，贡献者是Facebook 的Alexander Miller）

源码链接：https://github.com/facebookresearch/ParlAI

17. Fairseq：Facebook AI Research的序列-序列工具包（GitHub 2571颗星）

源码链接：https://github.com/facebookresearch/fairseq

18. Pyro：基于Python和PyTorch的深度通用概率编程（GitHub 2387颗星，贡献者Uber Engineering）

源码链接：https://github.com/uber/pyro

19. iGAN：基于GAN的交互式图像生成（GitHub 2369颗星）

源码地址：https://github.com/junyanz/iGAN

20. Deep-image-prior：用神经网络恢复图像（GitHub 2188颗星，贡献者是Skoltech的Dmitry Ulyanov, Ph.D）

源码地址：https://github.com/DmitryUlyanov/deep-image-prior

21. 人脸分类：基于 Keras CNN 模型与 OpenCV ，使用fer2013/imdb 数据集进行实时面部检测和表情/性别分类（GitHub 1967颗星）

源码地址：https://github.com/oarriaga/face_classification

22. Speech-to-Text-WaveNet：使用DeepMind的WaveNet和TensorFlow进行端到端句级英语语音识别（GitHub 1961颗星，贡献者是Kakao Brain的Namju Kim）

源码地址：https://github.com/buriburisuri/speech-to-text-wavenet

23. StarGAN: 用于多域图像-图像转化的统一生成对抗网络（GitHub 1954颗星，贡献者Korea University的Yunjey Choi）

源码地址：https://github.com/yunjey/StarGAN

24. MI-agents：Unity机器学习代理（GitHub 1658颗星，贡献者Unity3D的Arthur Juliani）

源码地址：https://github.com/Unity-Technologies/ml-agents

25. DeepVideoAnalytics：一个分布式可视化搜索和数据分析平台（GitHub 1494颗星，贡献者是Cornell University 的Akshay Bhat）

源码地址：https://github.com/AKSHAYUBHAT/DeepVideoAnalytics

26. OpenNMT：Torch上的开源神经机器翻译工具包（GitHub 1490颗星）

源码地址：https://github.com/OpenNMT/OpenNMT

27. Pix2pixHD: 用条件GAN合成和处理2048×1024的图像（GitHub 1283颗星，贡献者是英伟达科学家 Ming-Yu Liu）

源码地址：https://github.com/NVIDIA/pix2pixHD

28. Horovod：TensorFlow 布式训练框架（GitHub 1188 颗星，贡献者来自Uber ）

源码地址：https://github.com/uber/horovod

29. AI-Blocks：一个强大而直观的所见即所得界面，可让任何人创建机器学习模型（GitHub 899颗星）

源码地址：https://github.com/MrNothing/AI-Blocks

30. Tensorflow实现的用于语音风格转换的深度神经网络（GitHub 845颗星，贡献者是Kakao Brain AI团队的Dabi Ahn）

源码地址：https://github.com/andabi/deep-voice-conversion

原文链接：

https://medium.mybridge.co/30-amazing-machine-learning-projects-for-the-past-year-v-2018-b853b8621ac7