這12個最新AI開源專案，你一定要收下

TransmogrifAI

#用於結構化資料的端到端AutoML庫

TransmogrifAI 是一個基於 Scala 編寫、執行在 Spark 上的 AutoML 庫，由 Salesforce 開源。本專案旨在透過自動機器學習技術幫助開發者加速產品化程式，只需幾行程式碼，便能自動完成資料清理、特徵工程和模型選擇，然後訓練出一個高效能模型，進行進一步探索和迭代。

關於 AutoML：神經網路架構搜尋（NAS）綜述 | 附AutoML資料推薦

專案連結

https://github.com/salesforce/TransmogrifAI

OpenNRE

#神經網路關係抽取工具包

OpenNRE 是一個基於 TensorFlow 的神經網路關係抽取工具包，由清華大學計算機系劉知遠老師組開源。本專案將關係抽取分為四個步驟：Embedding、Encoder、Selector 和 Classifier。

專案連結

https://github.com/thunlp/OpenNRE

TFMA 是一個來自 Google 的開源庫，用於幫助 TensorFlow 使用者對所訓練模型進行分析。使用者可以使用 Trainer 裡定義的指標，以分散式方式評估大量資料的模型。這些指標可在不同的資料片段上進行計算，並在 Jupyter Notebooks 裡實現結果視覺化。

專案連結

https://github.com/tensorflow/model-analysis

GraphPipe 是由甲骨文公司開源的通用深度學習模型部署框架，旨在幫助使用者簡化機器學習模型部署，並將其從特定框架的模型實現中解放出來的協議和軟體集合。GraphPine 可提供跨深度學習框架的模型通用 API、開箱即用的部署方案以及強大的效能，目前已支援 TensorFlow、PyTorch、MXNet、CNTK 和 Caffe2 等框架。

專案連結

https://github.com/oracle/graphpipe

本專案彙集了當前最優的各類深度學習預訓練模型，模型均為由 Facebook 和微軟推出的 ONNX (Open Neural Network Exchange) 格式，該格式可使模型在不同框架之間進行遷移。每個模型均有對應的 Jupyter Notebook，包含模型訓練、執行推理、資料集和參考文獻等資訊。

專案連結

https://github.com/onnx/models

基於深度學習106點人臉標定演算法

#良心級開源人臉標定演算法

良心級開源人臉標定演算法，包含人臉美顏、美妝、配合式活體檢測和人臉校準的預處理步驟。該專案 Windows 工程基於傳統的 SDM 演算法，透過修改開原始碼，精簡保留測試部分程式碼，最佳化程式碼結構。Android 程式碼基於深度學習，我們設計了高效的網路模型，該模型魯棒性較好，支援多人臉跟蹤。目前深度學習演算法在人臉標定方向取得了良好的效果，該專案旨在提供一種較為簡單易用的實現方式。