過去一個月，我們從近 250個機器學習開源項目中挑選出了最受大家關注的前十名。這些項目在 GitHub 上平均 Stars 數為 2713。這些項目涉及由 Google AI Research 開源的 BERT 預訓練模型、DeepMind 開源的圖網絡庫、Facebook Research 開源的關于強化學習代理構建模塊和強化學習平臺、TensorFlow 開源的一款輕量級框架——Adanet 、以及騰訊本月開源的 PocketFlow 等等，其中一些我們也為大家做過介紹，希望大家可以從中找到自己感興趣的項目。

我們一直定期為大家整理推薦關注度最高的開源項目以供大家學習

▌Top 1：Bert（Google AI Research，8394 Stars）

過去一個月，Bert 可以說是得到了最高的關注度。這個開源項目就是 Bert 的預訓練模型。

Github 地址：

https://github.com/google-research/bert

▌Top 2：DeepCreamPy（deeppomf ， 6262 Stars）

這是一個可用在 Hentai 作品中用一些看似合理的重建自動替換審查區域的深度學習工具。

Github 地址：

https://github.com/deeppomf/DeepCreamPy

▌Top 3：Horizon（Facebook Research，1347 Stars）

Horizon 是 Facebook Research 公開的第一個用于大規模產品應用和服務的強化學習開源平臺。平臺包含訓練深度強化學習的工作流以及數據處理、特征轉換、分布訓練優化服務等。

Github 地址：

https://github.com/facebookresearch/Horizon

▌Top 4：TRFL（DeepMind，1924 Stars）

TRFL 是一個建立在 TensorFlow 上的庫，包含了幾個實現強化學習代理非常有用的構建模塊。TRFL 可以直接從 Github 上進行安裝。

Github 地址：

https://github.com/jantic/DeOldify

▌Top 5：DeOldify（Jason Antic，4098 Stars）

這個項目可以給老照片上色并還原。

Github 地址：

https://github.com/jantic/DeOldify

▌Top 6：Adanet（TensorFlow，1831 Stars）

Adanet 是 TensorFlow 開源的一個輕量級 TensorFlow 框架，只需少量專家干預或在沒有專家干預情況下就可以學習到高質量的模型。基于 AutoML 的成果，學習的同時保證快速靈活。

Github 地址：

https://github.com/tensorflow/adanet

▌Top 7：Graph_nets（DeepMind，2212 Stars）

Graph Nets 是在 TensorFlow 和 Sonnet 中建立的圖網庫，通過 pip 安裝。關于更多圖網方面的細信息可以閱讀論文 Relational inductive biases, deep learning, and graph networks。

論文地址：

https://arxiv.org/abs/1806.01261

Github 地址：

https://github.com/deepmind/graph_nets

▌Top 8：MAMEToolkit（Michael Murray，372 Stars）

這個 Python 工具包可以在街機游戲《街頭霸王 3》中進行模擬，從而訓練改進強化學習算法。不僅在 MAME 游戲模擬器中可以使用，在絕大多數的街機游戲模擬環境中都可以。

Github 地址：

https://github.com/M-J-Murray/MAMEToolkit

▌Top 9：PocketFlow（騰訊 AI Lab，1328 Stars）

早在 9 月 騰訊 AI Lab 機器學習中心就公開了這款自動化深度學習模型壓縮框架——PocketFlow，終于在 11 月等到了開源。這是一款面向移動端 AI 開發者的自動模型壓縮框架，集成了多種深度學習模型壓縮算法，引入超參數優化組件，提升模型壓縮技術的自動化程度。在 9 月發布之初，AI科技大本營還第一時間采訪到了騰訊 AI Lab 中與這個項目相關的負責人，更多內容大家可以回顧此文。

Github 地址：

https://github.com/Tencent/PocketFlow

▌Top 10： Maskrcnn-benchmark（Facebook，2983 Stars）

Maskrcnn-benchmark 是一個基于 PyTorch 1.0 的模塊 ，可以快速實現語義分割和對象檢測模型算法。

Github 地址：

https://github.com/facebookresearch/maskrcnn-benchmark