#机器学习

李宏毅教授的深度学习教程，基于《机器学习》（2021年春）并进行了优化，涵盖卷积神经网络、生成模型和自监督学习等多个领域。教程通过详细推导和重点讲解，降低了学习难度，适合中文学习者入门深度学习。

Lance是为机器学习工作流程优化的现代列式数据格式，提供比Parquet快100倍的随机访问性能，支持矢量索引和数据版本控制。兼容pandas、DuckDB、Polars和pyarrow，适用于搜索引擎、大规模机器学习训练以及复杂数据的存储和查询，如机器人数据和大型图像。更多集成支持即将推出。

MediaPipe为开发者提供了一个平台，支持在移动、Web、桌面、边缘设备和物联网中集成机器学习功能。通过跨平台API和预训练模型，可快速部署和定制AI解决方案。MediaPipe还包含模型定制工具和浏览器内的可视化评估工具，支持高效开发和迭代。欢迎访问Google官方文档了解更多，并参与社区交流和贡献。

DeepSpeech是一个开源语音转文字引擎，基于百度的Deep Speech研究，并利用Google TensorFlow实现。提供详细的安装、使用和训练模型文档。最新版本及预训练模型可在GitHub获取，支持和贡献指南请参阅相应文件。

这本开源书籍使用Jupyter笔记本无缝整合深度学习的概念、背景和代码，免费提供给所有人。书中包含可运行代码、技术深度和社区讨论，帮助读者解决实际问题并成长为应用机器学习科学家。

TensorFlow.js 是开源的硬件加速JavaScript库，专用于训练和部署机器学习模型。开发者能利用灵活直观的API在浏览器和Node.js环境中创建和运行模型，包括从头开始构建模型、运行现有模型和使用传感器数据重新训练模型。支持多种后端和平台，满足不同项目的需求。

Sonnet是由DeepMind开发的TensorFlow 2扩展库，提供简单且可组合的抽象模型，核心概念为snt.Module，支持自定义和预定义模块。Sonnet不限制训练框架，适合监督、非监督和强化学习，并支持分布式训练和高级的TensorFlow功能。

AutoTrain Advanced 是一款无代码解决方案，只需几次点击即可训练机器学习模型。需要上传正确格式的数据以创建项目，关于数据格式和定价的详细信息请查阅文档。AutoTrain 免费使用，只需为使用的资源付费。支持在 Colab 和 Hugging Face Spaces 上运行，也可以通过 PIP 本地安装。适用于 Python 3.10 及以上版本，推荐在 Conda 环境中运行。更多信息请访问项目文档页面。

ONNX Runtime是一款跨平台的机器学习推理和训练加速工具，兼容PyTorch、TensorFlow/Keras、scikit-learn等深度学习框架及传统机器学习库。它支持多种硬件和操作系统，通过硬件加速和图优化实现最佳性能，显著提升模型推理和训练速度，尤其在多节点NVIDIA GPU上的Transformer模型训练中表现出色。

探索迁移学习的最新论文、理论综述、研究领域等。页面提供丰富教程和代码库，助力你从基础到高级应用的学习。适合各级读者深入理解迁移学习的关键技术及前沿动态。

该项目包含多种Keras实现的生成对抗网络（GAN），如AC-GAN、CycleGAN、Pix2Pix等，基于研究论文，提供核心概念的实现与详细教程。欢迎社区贡献以扩展更多GAN变体。

Gradio是一个开源Python库，能够快速构建机器学习模型、API或任意Python函数的演示或Web应用。其内置的共享功能允许在几秒钟内生成链接，无需JavaScript、CSS或Web托管经验。支持Python 3.8以上版本，提供多种组件和灵活布局，适用于各种应用场景。

ONNX是一个开放生态系统，提供AI模型的开源格式，支持深度学习和传统机器学习。通过定义可扩展的计算图模型和内置操作符及标准数据类型，ONNX增强了不同框架间的互操作性，加速了从研究到生产的转化。ONNX广泛支持各种工具和硬件，助力AI社区快速创新。了解ONNX的文档、教程和预训练模型，加入社区，共同推动ONNX的发展。

项目利用神经网络将设计图像转化为HTML/CSS代码。经过三次迭代，最终的Bootstrap版本模型实现了97%的准确性，采用GRU替代LSTM。该项目受Tony Beltramelli的pix2code、Airbnb的sketching interfaces和Harvard的im2markup启发。用户可在FloydHub或本地环境中运行模型，适合深度学习和前端开发爱好者。

dlib是一个功能丰富的C++工具库，专注于机器学习解决方案，支持快速编译和高效运算。提供完整的Python集成和标准Boost许可，适用于各类项目。

这是一个基于机器学习的系统，可以将数学公式图像转换为相应的LaTeX代码。系统支持命令行工具、图形用户界面、API和Python集成，提供多种使用方式。适用于不同分辨率的图像，自动优化处理以提高识别性能。还包括模型训练指南和数据集生成工具，适用于科研和教育用途。

全面解析成为人工智能专家的路线图，从数据科学、机器学习到深度学习，涵盖所有必备知识和技能。项目旨在帮助新员工和社区成员掌握AI技术。互动版提供详细步骤链接，并通过定期更新保持前沿性。关注项目获取最新AI研究与应用案例，了解不同工具的适用场景，助力职业发展。

支持多种格式的神经网络、深度学习和机器学习模型查看，包括ONNX、TensorFlow Lite、Core ML、Keras和Caffe等，实验性支持PyTorch、TorchScript等。适用于macOS、Linux、Windows和浏览器版本，提供简单的安装和启动方式，方便不同操作系统用户使用。

MLflow 是一个轻量级平台，帮助简化机器学习的开发和部署过程。它支持实验跟踪、代码打包和模型部署，并且可以集成 TensorFlow、PyTorch 和 XGBoost 等库。主要组件包括 MLflow Tracking、MLflow Projects、MLflow Models 和 MLflow Model Registry，助力全面管理机器学习生命周期。

本项目利用TensorFlow技术，快速将照片和视频转换为多种名画风格。通过深度学习算法实现毫秒级风格迁移，并提供详细文档和示例，适用于研究和开发。项目采用实例归一化和感知损失优化，确保转换效果精美且实时。

AutoKeras是由德州农工大学DATA实验室开发的开源项目，旨在简化机器学习流程。通过Keras的AutoML系统，用户能够轻松完成图像分类等任务。支持Python 3.7及以上版本和TensorFlow 2.8.0及以上版本，安装方便，只需使用pip命令。提供详细的官方教程和相关书籍资源，社区鼓励贡献和参与。

Lively Wallpaper提供视频、网页、应用和游戏等多种动态壁纸，支持多显示器和屏保功能。通过命令行和API实现自动化和互动，利用机器学习增强动态效果，硬件加速视频播放，使用简单高效，完全开源免费，兼容最新Windows 11设计。

TaskWeaver是一个创新的代码优先代理框架，能够通过代码片段解释用户请求，并高效协调多种插件来执行数据分析任务。它的独特功能包括保留聊天和代码执行历史，适合处理高维表格等复杂数据结构。支持本地小型语言模型、多种LLM配置、容器模式和CLI模式，提供安全和用户友好的体验。

DVC是一个命令行工具和VS Code扩展，用于管理机器学习项目的数据和模型版本控制。数据存储在云端，版本信息保存在Git仓库，通过轻量级管道实现快速迭代。DVC还支持本地实验跟踪和对比，允许在无服务器的情况下分享和重现实验结果。

该项目每日更新和整理计算机视觉、深度学习及机器学习领域的最新优质论文和项目，涵盖多个研究方向。内容涵盖从2017年至今的顶会顶刊论文列表和代码链接，为研究人员提供丰富的资源参考。

本书详细介绍机器学习和深度学习的核心概念，教你使用Python及其主要库（如Scikit-Learn和TensorFlow）进行数据处理、分类、回归和模型优化。书中包含丰富的示例代码和Jupyter笔记本，帮助读者理解复杂的数学理论和实现步骤，是数据科学家和工程师学习和提升机器学习技能的理想选择。

AutoGluon简化了机器学习任务，让用户可以在图像、文本、时间序列和表格数据上轻松训练和部署高精度模型。它支持Python 3.8至3.11，并可在Linux、MacOS和Windows上运行。只需几行代码即可快速构建端到端机器学习模型，提供详细的安装指南、快速入门教程和丰富的资源，适合各层次用户的需求。

该指南全面涵盖深度学习领域的求职面试知识，包括数学、机器学习、深度学习、强化学习、计算机视觉、图像处理、自然语言处理、SLAM、推荐算法、数据结构与算法、编程语言（C/C++/Python）、深度学习框架等，旨在帮助求职者高效准备面试。

TensorFlow Serving 是一个为生产环境设计的灵活且高性能的机器学习模型推理系统。它管理训练后的模型生命周期，通过高效查询表提供版本化访问，支持多模型和多版本同时部署。系统支持 gRPC 和 HTTP 推理端点，允许无缝部署新版本，支持金丝雀发布和 A/B 测试，并且延迟极低。调度器将推理请求分组以在 GPU 上联合执行，支持包括 TensorFlow 模型、嵌入、词汇表和特征转换在内的多种服务对象。

Snorkel项目由斯坦福大学发起，致力于通过编程自动化标注、构建和管理训练数据，重塑机器学习项目的成功要素。该项目不仅实现了其研究目标，还与Google、Intel等领先机构合作，支持生产部署，并发表了大量相关论文。Snorkel现已发展为Snorkel Flow，一个简化AI应用开发的端到端平台。

FiftyOne 是一款提升机器学习工作流的开源工具，通过可视化数据集和解读模型结果来提高效率。用户可用它处理复杂标签、评估模型、探索场景、识别错误模式和注释错误等。安装简便，可通过 pip 安装并运行示例代码快速上手。

Augmentor是一个Python图像增强库，适用于机器学习，特别是神经网络和深度学习。它支持平台无关的图像增强，允许用户通过构建增强管道实现精细控制，采用随机方法进行操作。主要功能包括多线程加速、多掩码处理、与Keras和PyTorch集成，以及弹性扭曲、透视变换、尺寸保持旋转和剪切、随机擦除等多种增强技术。

在线阅读《机器学习训练秘籍》中文版，了解机器学习训练指南。此版本为预览版，欢迎通过项目Issues、Pull Request或邮件参与翻译改进。本项目遵循CC BY-NC-SA 4.0协议，允许共享和演绎但需署名且非商业使用。

本教程详细介绍了TensorFlow 2.0的安装与基础操作，并包含线性回归、MNIST、CIFAR10等多个实战案例。通过配套的视频资源，帮助数据科学家和AI研究人员掌握TensorFlow 2.0在深度学习中的实际应用。

本书帮助读者在20天内系统性地掌握Pytorch，从基础到进阶，涵盖核心概念与实际应用。内容基于Pytorch官方文档，优化了结构和范例，提升了用户友好度。适合有一定基础的学习者，提供每日学习计划和实用代码，并附有资源获取方式。欢迎对Pytorch感兴趣的读者前来学习和讨论，获取全面的深度学习指南。

提供详尽的深度学习和机器学习速查表，包括Tensorflow、Keras、Numpy等热门工具，帮助工程师和研究人员快速掌握核心知识，提高工作效率。访问AI Cheatsheets获取更多资源和最新技术信息，适用于各水平从业者。