如果你平日太過繁忙，無暇在 GitHub 上去搜尋那些優秀的開源專案，那麼正好，本文將為你彙總出 3 月份最熱門的專案。你可以閱讀這些專案來更新你的知識庫，當然也可以將這些開原始碼借鑑到自己的專案中。
更多幹貨內容請關注微信公眾號“AI 前線”，（ID：ai-front）
這份榜單包含了一些非常棒的程式碼庫。比如谷歌大腦的 AstroNet，又如人工智慧神經網路視覺化工具，我們彙總了多個強大的開源專案，相信它們能夠幫助你擴充套件自己在機器學習領域的視野。
準備好了嗎？讓我們一起來看看 3 月份的 Top7 開源專案吧！
更多閱讀：
一月份的 Top5 榜單 （https://www.analyticsvidhya.com/blog/2018/02/top-5-github-repositories-january-2018）
二月份的 Top5 榜單（https://www.analyticsvidhya.com/blog/2018/03/top-5-github-repositories-february-2018/）可參見 AI 前線往期報導：2018 年 2 月份 Github 上最熱門的資料科學和機器學習專案
開源專案地址：https://github.com/minimaxir/person-blocker
Person Blocker 是一個 Python 庫，它可以使用預先訓練好的神經網路自動遮蔽掉影象中所有的人。它的核心演算法採用 Mask R-CNN，並且在 MSCOCO 資料集上預先進行了訓練。你知道更棒的是什麼嗎？實際上，它甚至都不需要用到 GPU！
這套演算法能夠遮蔽遮擋的並不僅限於人，實際上它可以遮蔽 所有物件。它能夠識別 80 種不同型別的物體，包括車輛、小動物、電子產品，等等。
如果想要更多瞭解這個庫，你可以閱讀 Analytics Vidhya 的部落格（https://www.analyticsvidhya.com/blog/2018/04/person-blocker-is-a-python-script-that-blocks-out-people-from-images/）。
開源專案地址：https://github.com/tensorflow/models/tree/master/research/astronet
AstroNet 是用來處理天文資料的深層神經網路模型。早在 2017 年 12 月，谷歌大腦團隊曾透露他們通過 AstroNet 發現了 2 顆新行星。這是一個巨大的發現，它展示了機器學習在當今世界的深遠影響力。
如今，谷歌大腦已經發布了該技術相關的全部程式碼，任何人都可以使用。該模型基於卷積神經網路（CNN）構建 。
更多閱讀：
AVBytes 上關於 AstroNet 的文章（https://www.analyticsvidhya.com/blog/2018/03/google-has-made-the-code-for-astronet-available-for-everyone/）。
開源專案地址：https://github.com/Prodicode/ann-visualizer
ANN Visualizer 同樣是一個 Python 庫，它讓我們僅用一行程式碼即可實現人工智慧神經網路。它通常與 Keras 一起使用，並利用 Python 的'graphviz'庫來構建出一幅整潔炫酷的神經網路圖。
關於 ANN Visualizer，想要了解更多可以訪問：https://www.analyticsvidhya.com/blog/2018/04/python-library-visualizes-artificial-neural-networks/。
開源專案地址：https://github.com/mm-mansour/Fast-Pandas
即便是 Python 新手也能快速體會到 Pandas 這個庫的靈活性和強大的功能。作為一名資料科學家，你常常需要足夠的靈活性並且能夠針對不同問題想出應對之策。針對如此情形，Fast Pandas 正好可以提供多個實用方案。
這是一個非常有用的庫，強烈建議大家嘗試。
開源專案地址：https://github.com/tensorflow/tfjs
使用 TensorFlow.js 這個開源庫，你可以通過 JavaScript 呼叫 API 的方法在 Web 瀏覽器中訓練和構建機器學習模型。如果你熟悉 Keras，那麼更上層的 API 對你來說完全不在話下。
它可用 GPU 加速，並自動支援 WebGL。你可以匯入預先訓練好的已有模型，也可以在瀏覽器中對這些機器學習模型重新進行訓練。
閱讀更多：
https://www.analyticsvidhya.com/blog/2018/04/tensorflow-js-build-machine-learning-models-javascript/。
開源專案地址：https://github.com/dfouhey/caffe64
Caffe64 是一個簡單小巧但功能非常強大的神經網路庫。眾所周知，神經網路庫的安裝大多都比較複雜。而 Caffe64 簡化了這一切，根據其開發人員的說法，Caffe64 是最容易編譯且最輕量級的神經網路庫。
使用 Caffe64，相信你能體會到它的美好！
開源專案地址：https://github.com/tensorflow/hub
TensorFlow Hub 這個庫主要用於促進機器學習模型可重用部分的釋出、發現和使用。特別是它還提供了模組，這些模組是預先訓練好的 TensorFlow 模型，可以在新任務上重複使用。通過在相關任務上重新使用模組，你可以：
用較小的資料集來訓練模型
改進泛化
大大加快訓練速度
你以前使用過這些開源專案嗎？有沒有自己的使用心得？如果有，歡迎評論分享！
閱讀原文
https://www.analyticsvidhya.com/blog/2018/04/top-7-github-repositories-march-2018/