在碎片化閱讀充斥眼球的時代，越來越少的人會去關注每篇論文背后的探索和思考。

在這個欄目里，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。

點擊本文底部的「閱讀原文」即刻加入社區，查看更多最新論文推薦。

這是 PaperDaily 的第?65?篇文章

#Swift for TensorFlow

Swift for TensorFlow 為 TensorFlow 提供了一種新的編程模型，將 TensorFlow 計算圖與 Eager Execution 的靈活性和表達能力結合在了一起，同時還注重提高整個軟件架構每一層的可用性。

本項目的設計基礎是 Graph Program Extraction 算法，它可以讓你用 Eager Execution 式的編程模型來輕松地實現代碼，同時還保留 TensorFlow 計算圖的高性能優勢。此外，本項目還將高級的自動微分功能直接集成在了 Swift 語言和編譯器里面。

項目鏈接

https://github.com/tensorflow/swift

#可視化降維Python工具包

HyperTools 是一個具有可視化功能的降維工具包，其基本流程是輸入高維數據，調用降維函數，同時進行繪圖。

▲?效果展示

項目鏈接

https://github.com/ContextLab/hypertools

GluonNLP

#NLP深度學習工具包

GluonNLP 提供了 NLP 方向的頂尖深度學習模型實現，并且構建了文本數據管道和模型的模塊。它專門面向工程師、研究人員和學者設計，大家可以基于這些模型快速實現研究思路，做出產品原型。

該項目具有如下特征：?

1. 訓練腳本來重現論文中的 state-of-the-art 結果；?

2. 針對常見 NLP 任務的預訓練模型；?

3. 精心設計的 API，可以極大減少實現的復雜性；?

4. 中文社區支持。

▲?案例展示

項目鏈接

https://github.com/dmlc/gluon-nlp

GluonCV

#CV深度學習工具包

GluonCV 提供了 CV 方向的頂尖深度學習模型實現。該項目能幫助工程師、研究人員和學者快速打造產品原型、驗證新思路以及學習計算機視覺。

該工具包提供如下功能：

1. 近年重要論文的復現；

2. 詳細文檔提供使用說明和代碼講解；

3. 提供預訓練的模型可以直接使用；

4. 性能評測，方便大家在不同模型之間做取舍；

5. 每個模型實現和接口盡量保證一致性，降低使用新模型的學習門檻；

6. 定時做重新訓練保證代碼正確性；

7. 中文社區支持。

▲?案例展示

項目鏈接

https://github.com/dmlc/gluon-cv

PyTorch Summary

#PyTorch版Keras API:?model.summary()?

Keras 框架有一個用于模型可視化的簡潔 API —— model.summary()，本項目實現了用于 PyTorch 框架中的 model.summary() 功能，用于輸出模型各層的詳細參數。

▲?效果展示

項目鏈接

https://github.com/sksq96/pytorch-summary

NCRF++

#基于PyTorch的Neural版本CRF++

本項目是基于 PyTorch 的神經網絡序列標注開源庫，包含了幾種最先進的神經網絡序列標注模型（LSTMCRF, CNNCRF 等），算是神經網絡版的 CRF++。它可以讓用戶快速重現論文中的模型（如 Ma et. al ACL 2016; Lample et. al NAACL2016）。

該項目具有以下幾個特點：?

1. 無需寫代碼：只要通過修改配置文件就可以對模型的結構進行配置，無需任何代碼工作；

2. 自由添加特征：該項目不僅集成了幾種經典的特征結構（如 char-lstm, char-gru, char-cnn）還可以添加自定義的特征并初始化特征向量；

3. 高效準確：利用該開源庫可以輕松重現之前的多篇論文的結果，大部分情況下會得到比論文更高的精度。同時該項目時完全基于 batch 計算實現的，因此計算速度很快（2000 句／秒）；

4. Nbest 輸出：其 CRF 結構支持輸出 top-n 個最優 label 序列，并給出對應的序列概率。

▲?結構設計

項目鏈接

https://github.com/jiesutd/NCRFpp

Adversarial Robustness Toolbox

#IBM開源對抗機器學習庫

Adversarial Robustness Toolbox 是由 IBM 團隊開源的對抗機器學習庫，其主要用于檢測模型及對抗攻擊，為開發人員加強 AI 模型被誤導的防御性，讓 AI 系統變得更加安全。

本項目實現了以下分類器攻防方法：

攻擊：

• Deep Fool (Moosavi-Dezfooli et al., 2015)?

• Fast Gradient Method (Goodfellow et al., 2014)?

• Jacobian Saliency Map (Papernot et al., 2016)?

• Universal Perturbation (Moosavi-Dezfooli et al., 2016)?

• Virtual Adversarial Method (Moosavi-Dezfooli et al., 2015)?

• C&W Attack (Carlini and Wagner, 2016)?

• NewtonFool (Jang et al., 2017)

防御：

• Feature squeezing (Xu et al., 2017)

• Spatial smoothing (Xu et al., 2017)

• Label smoothing (Warde-Farley and Goodfellow, 2016)

• Adversarial training (Szegedy et al., 2013)

• Virtual adversarial training (Miyato et al., 2017)

項目鏈接

https://github.com/IBM/adversarial-robustness-toolbox

Chatbot

#可以進行訓練的聊天機器人

本項目是一個可以自己進行訓練的聊天機器人，可以根據自己的語料訓練出想要的對話機器人。本次訓練的語料是從互聯網上找到的 shooter 訓練語料，語料質量很差勁，僅作為演示代碼來用，大家可以使用自己的語料。

項目鏈接

https://github.com/zhaoyingjun/chatbot

SparkFlow

#基于Spark平臺的TensorFlow實現

SparkFlow 是一個基于 Spark 平臺的 TensorFlow 實現，讓用戶更方便在 Spark 上部署 TensorFlow 程序，更好地利用分布式平臺進行深度學習模型的訓練。

▲?MNIST深度學習示例

項目鏈接

https://github.com/lifeomic/sparkflow

Tweet Generator

#模擬任何Twitter用戶發推文

Tweet Generator 是一個模擬 Twitter 用戶風格生成推文的工具。本項目基于 textgenrnn，并使用上下文標簽對網絡進行訓練以獲得更好的推文合成。

textgenrnn 是一個基于 Keras 和 TensorFlow 的 Python 3 模塊，只需幾行代碼即可訓練文本生成網絡。

▲?效果展示

項目鏈接

https://github.com/minimaxir/tweet-generator

DL Project Template

#深度學習工程模板

本項目是由美圖云事業部開源的深度學習工程模板，簡化加載數據、構建網絡、訓練模型和預測樣本的流程。

▲?框架圖

▲?文件夾結構

項目鏈接

https://github.com/SpikeKing/DL-Project-Template

STAIR Actions

#用于動作識別的大規模視頻數據集

STAIR Actions 是一個用于動作識別的大規模視頻數據集，包含 100 類諸如吃飯、喝水、洗手、扔垃圾等人類日常行為，每一類動作有 1000 個左右的視頻。作者保留了 10% 的數據用于后續比賽。

▲?數據集規模

▲?100種行為列表

項目鏈接

https://github.com/STAIR-Lab-CIT/STAIR-actions

Moonlight Optical Music Recognition

#基于TensorFlow的光學樂譜識別工具

本項目是一個基于 TensorFlow 的光學樂譜識別工具，它通過讀取包含樂譜的 PNG 圖像來輸出 MusicXML 格式樂譜或 NoteSequence 消息。

項目鏈接

https://github.com/tensorflow/moonlight

點擊以下標題查看往期推薦：?

• 多款超贊AI開源項目，等你來Star！

• 好看的論文千篇一律，有趣的項目萬里挑一

• Github 最新 AI 開源項目了解一下？
  

• 11 款 Github 最新「機器學習」開源項目
  

#答 題 時 間#

▼

?那！就！是！

好書送給社會人~

以下是簡單粗暴送福利環節

PaperWeekly?× 圖靈教育?

深入理解TensorFlow?

架構設計與實現原理

<5本>

圖靈原創√大牛推薦√火熱預售√

作者：彭靖田，林健 ，白小龍?

自 TensorFlow 開源以來，不斷有人撰寫圖書或博客解釋其各組件的實現與原理。但遺憾的是，能夠深入剖析 TensorFlow 內部實現細節與設計思想的資料少之又少，而本書則嘗試彌補這一缺憾。?

• TensorFlow 進階不二之選?

• 才云科技技術總監?

• 華為深度學習團隊系統工程師?

• 華為公司深度學習云服務技術負責人?

? ? ? ? 聯合編寫?

• 中國科學院計算技術研究所副研究員查禮?

• 浙江大學計算機學院院長陳剛?

• 才云科技創始人兼 CEO 張鑫?

• Google Brain?資深工程師周玥楓?

• 云賬戶聯合創始人兼 CTO 鄒永強?

• 博拉科技創始人兼 CEO 周公爽?

• 微軟亞洲研究院助理研究員王錦鵬?

• 才云科技首席大數據科學家鄭澤宇?

? ? ? ? 聯合推薦?

• 深入解析 TensorFlow 系統本身的設計與實現原理?

本書以 TensorFlow 1.2 為基礎，從基本概念、內部實現和最佳實踐等方面深入剖析 TensorFlow。不僅由淺入深地全面介紹 TensorFlow 的使用方法，還結合源代碼進行深入剖析，使讀者可以快速、系統地學習 TensorFlow 的架構設計與實現原理。

?

?參與方式?

請在文末留言分享

本期你最喜歡的Github項目

小編將隨機抽取5位同學

送出圖靈教育新書

截止時間：5月1日（周二）20:00

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

▽ 點擊 |?閱讀原文?| 預購《深入理解TensorFlow》

總結

以上是生活随笔為你收集整理的本周 Github 精选：13 款炼丹利器，有开源工具包也有超大数据集的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。