
开源是变革性软件的沃土,特别是在人工智能(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进行构建。
本文将介绍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精心设计的软件包,其他的则是更加微妙的变革,所有这些项目都值得学习研究。
TensorFlow和PyTorch

如果不考虑TensorFlow和PyTorch,一份用于人工智能和机器学习的开源工具清单就不完整。这些OG框架单独或共同支持机器学习和人工智能领域一些最具实验性和最重要的研究,本文中至少有几个项目将它们用作构建块。
FauxPilot

需要一些编码帮助的程序员可以从FauxPilot获得它。系统在现有的生产代码上进行自我训练,并从中学习足够的知识,从而做出结构化的评论和建议。该项目的灵感来自GitHub Copilot,但FauxPilot让您选择用于训练的存储库,这一额外的控制层防止您使用来自可能不批准使用的源代码片段。如果您选择了培训源,并将其限制在那些具有适当权限和许可的源上,那么您使用的编码帮助和代码片段可能更干净和可靠。
DALL-E

要了解机器学习模型是如何“思考”的,最简单的方法之一是开始将单词插入到DALL-E中,这是一个非常大的开放模型,由从互联网上筛选的图像和文本描述构建而成。输入一个单词,输出一个图像,DALL-E认为是匹配的。像DALL-E Playground和DALL-E Mini这样的开源项目使模型的实验变得更加容易。它一部分是游戏,一部分是进入人工智能算法思想的门户。
YOLOv7

实时目标检测或在图像中寻找目标,是人工智能的一个棘手领域。它对自动驾驶汽车、机器人和辅助设备等需要收集和传递准确环境信息的东西也至关重要。YOLOv7是最快、最准确的开源对象检测工具之一,为工具提供一个充满对象的图像集合,然后只需看看接下来会发生什么。
DeepFaceLab

深度伪造(Deepfake)是在深度学习的帮助下创建、修改或合成的视频和图像的工具。最常见的例子是把名人或政客的脸换到现有的视频或图像中,通常是为了幽默,但有时是为了更邪恶的目的。DeepFaceLab是运行在Python上的开源深度伪造技术,除了把一张脸换成另一张脸,它还可以用来去除皱纹和其他年龄和经验的印记。
PaddleNLP

自然语言处理(NLP)引擎执行神经搜索和情感分析,然后提取和呈现信息给人类和机器用户。虽然有时还很笨拙,但这项技术已经足够成熟,可以在各种应用程序和领域中使用(Alexa只是一个例子)。PaddleNLP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的实体。
MindsDB

人工智能成功的传统途径是将数据存储在数据库中,然后提取数据发送到单独的机器学习算法。MindsDB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,或分析已经存储的数据,是加快机器学习工作流程的一种快速有效的方法。
Image Super-Resolution (ISR)

照片的细节总是越多越好,图像超分辨率可以增加更多的细节通过提高图像分辨率。这个开源工具使用了一个机器学习模型,您可以训练它来猜测低分辨率图像中的细节。通过良好的训练集,该模型可以产生精确的细节和更清晰的图像。
DeepPavlov

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。DeepPavlov将TensorFlow、Keras和PyTorch等基本机器学习工具组合在一起,创建聊天机器人供你学习,通过适当的训练,非常有用。
Blender

将3D模型转换为华丽渲染的场景的最好方法是启动Blender。尽管许多人认为它是电影制作者和动画师的工具,但Blender也是应用人工智能的一个很好的例子。丰富的界面和众多的插件使创建复杂的运动图形或电影远景成为可能,只需要一点创造力,奥斯卡提名委员会很快就会打来电话(玩笑)。人工智能甚至不会要求分享功劳。
OpenCV

OpenCV是探索机器视觉最肥沃的基础之一,这是一个开源的计算机视觉库。它包括许多在数字图像中识别物体的流行算法,以及一个可以识别和读取汽车牌照的专门程序。
Robocode

Robocode就像你的算法中的饥饿游戏,这款基于java的编程游戏可以让你的坦克在争夺控制权的战斗中与其他坦克作战。这是一种有趣的消遣方式,甚至可能有助于测试自动驾驶汽车的新策略。