本站AI自動(dòng)判斷提供您所需要的app下載：點(diǎn)我下載安裝，你懂的APP
TYPE-MOON發(fā)售的文字冒險(xiǎn)游戲《Fate/stay night》有眾多外傳與分支作品，對(duì)于第一次接觸的人很容易被這龐大的世界觀和設(shè)定搞得暈頭轉(zhuǎn)向。不過(guò)只要把握幾個(gè)原則就可以大致了解Fate系列的重點(diǎn)，像是魔術(shù)師（Master）與從者之間的主從關(guān)系、圍繞七個(gè)陣營(yíng)展開(kāi)的圣杯戰(zhàn)爭(zhēng)、英靈的必殺技寶具、槍兵自古幸運(yùn)E。
第一作 Fate/stay night
總共有PC版（18禁）、PS2移植版、PSV移植版、手機(jī)App版，推薦有追加聲音和CG的PS2版。主角衛(wèi)宮士郎，內(nèi)容包括Fate/UBW/HF三條路線，以第五次圣杯戰(zhàn)爭(zhēng)為舞臺(tái)。Fate、UBW分別由DEEN、ufotable改編過(guò)兩部動(dòng)畫(huà)，最新HF將于2017年開(kāi)始公開(kāi)上映全三章劇場(chǎng)版。
Fate/Zero小說(shuō)
Fate/stay night前傳第四次圣杯戰(zhàn)爭(zhēng)的故事。主要登場(chǎng)人物包含衛(wèi)宮士郎的養(yǎng)父衛(wèi)宮切嗣、Fate/stay night女主角之一遠(yuǎn)坂凜的父親遠(yuǎn)坂時(shí)臣、言峰綺禮。作者為大名鼎鼎的虛淵玄，擅長(zhǎng)獵奇描寫(xiě)與絕望展開(kāi)的虛淵總是能讓讀者留下心靈創(chuàng)傷。2011年播出ufotable制作的動(dòng)畫(huà)版。
艾爾梅洛伊二世事件簿
敘述第四次圣杯戰(zhàn)爭(zhēng)的參加者韋伯?維爾維特的后續(xù)發(fā)展，由作家三田誠(chéng)執(zhí)筆的魔術(shù)推理小說(shuō)。
Fate/Apocrypha 作者：東出祐一郎、插圖近衛(wèi)乙嗣
原本是和Fate/EXTRA同時(shí)進(jìn)行的線上游戲企劃，后來(lái)改為以小說(shuō)的方式發(fā)行。世界觀雖然是第三次圣杯戰(zhàn)爭(zhēng)，但設(shè)定為平行世界。因此在這條世界線日本的冬木并不會(huì)發(fā)生第四次、第五次圣杯戰(zhàn)爭(zhēng)。故事里的英靈不少都有在手機(jī)游戲F/GO登場(chǎng)。
Fate/hollow ataraxia
Fate/stay night續(xù)篇。第五次圣杯戰(zhàn)爭(zhēng)結(jié)束后半年，身為從者的英靈居然再度現(xiàn)界并過(guò)著平穩(wěn)的日常。衛(wèi)宮士郎在其他角色的協(xié)助下調(diào)查事件真相。2005年發(fā)售18禁PC版、2014年移植PSV。
Fate/kaleid liner 魔法少女☆伊莉雅 漫畫(huà)作者：ひろやまひろし
以變身魔法少女為題材的平行世界物語(yǔ)，在魔術(shù)理論與角色設(shè)定方面充滿(mǎn)不少作者個(gè)人獨(dú)自的解讀。
Fate/EXTRA
2013年在PSP平臺(tái)上發(fā)售的對(duì)戰(zhàn)型迷宮探索RPG游戲，舞臺(tái)位于月球內(nèi)側(cè)，圣杯戰(zhàn)爭(zhēng)則是在靈子虛構(gòu)的世界中進(jìn)行。續(xù)篇Fate/EXTRA CCC同樣是PSP游戲。今年3月宣布動(dòng)畫(huà)化。
Fate/strange Fake 作者：成田良悟 插畫(huà)：森井しづき
第五次圣杯戰(zhàn)爭(zhēng)結(jié)束后數(shù)年，美國(guó)西部另外一場(chǎng)偽圣杯戰(zhàn)爭(zhēng)開(kāi)幕。原本出自成田良悟撰寫(xiě)的愚人節(jié)企劃，后來(lái)正式發(fā)行小說(shuō)和漫畫(huà)版。對(duì)吉爾伽美什與他的好友恩奇都有興趣的讀者可參考本作。
Fate/Prototype
Fate系列作的原點(diǎn)，劇情脈絡(luò)大致和Fate/stay night類(lèi)似。但在名詞設(shè)定以及男女主角性別都有不少變動(dòng)。女主角為沙條綾香、Saber則是性轉(zhuǎn)前的亞瑟王（CV：櫻井孝宏）。外傳小說(shuō)Fate/Prototype 蒼銀的碎片目前正在連載中。TYPE-MOON10週年紀(jì)念動(dòng)畫(huà)《幻想嘉年華》曾經(jīng)制作過(guò)一部12分鐘Fate/Prototype的短篇?jiǎng)赢?huà)特典。
幻想嘉年華：TYPE-MOON10週年紀(jì)念動(dòng)畫(huà)
2011年將《神薙》作者武梨描繪的作品集改編成OVA動(dòng)畫(huà)，將TYPE-MOON旗下作品人物齊聚一堂的歡樂(lè)搞笑作。
整理 | Jane
出品 | AI科技大本營(yíng)（ID：rgznai100)
一個(gè)好工具，能提高開(kāi)發(fā)效率，優(yōu)化項(xiàng)目研發(fā)過(guò)程，無(wú)論是企業(yè)還是開(kāi)發(fā)者個(gè)人都在尋求適合自己的開(kāi)發(fā)工具。但是，選擇正確的工具并不容易，有時(shí)這甚至是一項(xiàng)艱巨的任務(wù)。
2018 年底，我們整理了去年備受關(guān)注的 Python開(kāi)源工具與項(xiàng)目 Top100、Github 開(kāi)源項(xiàng)目總結(jié)情況以及最受歡迎開(kāi)源項(xiàng)目 Top200。今天，AI科技大本營(yíng)（ID:rgznai100）通過(guò)搜集這一年（2018.10--2019.10）國(guó)內(nèi)外新發(fā)布的 AI 工具，從中挑選出了 45 個(gè)備受歡迎的開(kāi)源工具，希望你不再錯(cuò)過(guò)。
1、Jax【Stars：5.5k】
Jax集合Autograd和XLA的高性能機(jī)器學(xué)習(xí)研究工具，由Google開(kāi)源貢獻(xiàn)。很多人都說(shuō)Jax是TF的替代品，更簡(jiǎn)潔易用。
開(kāi)源地址：
https://github.com/google/jax
2、AdaNet【Stars：2.9k】
AdaNet 是一款基于TensorFlow 的輕量型框架。可以使用最少的專(zhuān)家干預(yù)來(lái)自動(dòng)學(xué)習(xí)高質(zhì)量模型，AdaNet提供的通用框架，不僅可以用于學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)架構(gòu)，還可以學(xué)習(xí)集成，從而獲得更好的模型。
開(kāi)源地址：
https://github.com/tensorflow/adanet
3、TensorFlow Extended (TFX)【Stars：720】
TFX 是面向生產(chǎn)環(huán)境的機(jī)器學(xué)習(xí)工具。借助TFX，可以為滿(mǎn)足生產(chǎn)應(yīng)用部署與最佳實(shí)踐的眾多需求，創(chuàng)建一條生產(chǎn)級(jí)機(jī)器學(xué)習(xí)流水線。TFX從提取數(shù)據(jù)開(kāi)始，然后通過(guò)數(shù)據(jù)驗(yàn)證、特征工程、訓(xùn)練、評(píng)估提供服務(wù)。
開(kāi)源地址：
https://github.com/tensorflow/tfx
4、TFF【Stars：758】
TensorFlow Federated （TFF）框架可用于去中心化（decentralized）數(shù)據(jù)的機(jī)器學(xué)習(xí)及運(yùn)算實(shí)驗(yàn)。它實(shí)現(xiàn)了聯(lián)邦學(xué)習(xí)（Federated Learning，F(xiàn)L）方法，將為開(kāi)發(fā)者提供分布式機(jī)器學(xué)習(xí)，以便在沒(méi)有數(shù)據(jù)離開(kāi)設(shè)備的情況下，在多種設(shè)備上訓(xùn)練共享的 ML 模型。其中，它通過(guò)加密方式提供多一層的隱私保護(hù)，并且設(shè)備上模型訓(xùn)練的權(quán)重與用于連續(xù)學(xué)習(xí)的中心模型共享。
開(kāi)源地址：
https://github.com/tensorflow/federated
5、MediaPipe 【Stars：3.5K】
MediaPipe 是一款由 Google Research 開(kāi)發(fā)并開(kāi)源的多媒體機(jī)器學(xué)習(xí)模型應(yīng)用框架。谷歌的一系列重要產(chǎn)品如 YouTube、Google Lens、ARCore、Google Home 以及 Nest 都已深度整合了 MediaPipe。
開(kāi)源地址：
https://github.com/google/mediapipe
6、TensorNetwork【Stars：879】
谷歌 X 實(shí)驗(yàn)室與加拿大 Perimeter 理論物理研究所（Perimeter Institute for Theoretical Physics ）的研究人員合作開(kāi)發(fā)了張量網(wǎng)絡(luò) TensorNetwork，以 TensorFlow 作為后端，針對(duì) GPU 處理進(jìn)行了優(yōu)化。與在 CPU 上計(jì)算工作相比，可以實(shí)現(xiàn)高達(dá) 100 倍的加速。這是一個(gè)全新的開(kāi)源庫(kù)，旨在提高張量計(jì)算效率。
開(kāi)源地址：
https://github.com/google/tensornetwork
7、GPipe
GPipe 是一個(gè)分布式機(jī)器學(xué)習(xí)庫(kù)，使用同步隨機(jī)梯度下降和流水線并行技術(shù)進(jìn)行訓(xùn)練，適用于任何由多個(gè)序列層組成的 DNN。重要的是，GPipe 讓研究人員無(wú)需調(diào)整超參數(shù)，即可輕松部署更多加速器，從而訓(xùn)練更大的模型并擴(kuò)展性能。
開(kāi)源地址：
https://github.com/tensorflow/lingvo/blob/master/lingvo/core/gpipe.py
8、 MLIR【Stars：1.5k】
MLIR 通過(guò)定義一個(gè)通用的中間表示，將在TensorFlow和類(lèi)似的ML框架中執(zhí)行高性能機(jī)器學(xué)習(xí)模型所需的基礎(chǔ)設(shè)施進(jìn)行統(tǒng)一，包括高性能計(jì)算技術(shù)應(yīng)用或強(qiáng)化學(xué)習(xí)這類(lèi)搜索算法的集成。MLIR旨在降低開(kāi)發(fā)新硬件的成本，并提高現(xiàn)有TensorFlow用戶(hù)的可用性。
開(kāi)源地址：
https://github.com/tensorflow/mlir
DeepMind1、OpenSpiel【Stars：1.7k】
OpenSpiel 是一系列環(huán)境和算法，用于研究一般強(qiáng)化學(xué)習(xí)和游戲中的搜索/規(guī)劃。OpenSpiel 的目的是通過(guò)與一般游戲類(lèi)似的方式促進(jìn)跨多種不同游戲類(lèi)型的一般多智能體強(qiáng)化學(xué)習(xí)，但重點(diǎn)是強(qiáng)調(diào)學(xué)習(xí)而不是競(jìng)爭(zhēng)形式。當(dāng)前版本的 OpenSpiel 包含 20 多種游戲的不同類(lèi)型實(shí)現(xiàn)（完美信息、同步移動(dòng)、不完美信息、網(wǎng)格世界游戲、博弈游戲和某些普通形式/矩陣游戲）。
核心的 OpenSpiel 實(shí)現(xiàn)基于 C ++ 和 Python 綁定，這有助于在不同的深度學(xué)習(xí)框架中采用。該框架包含一系列游戲，允許 DRL agent 學(xué)會(huì)合作和競(jìng)爭(zhēng)行為。同時(shí)，OpenSpiel 還包括搜索、優(yōu)化和單一 agent 等多種 DRL 算法組合。
開(kāi)源地址：
https://github.com/deepmind/open_spiel
2、SpriteWorld【Stars：259】
Spriteworld 是一個(gè)基于 python 的強(qiáng)化學(xué)習(xí)環(huán)境，由一個(gè)可以自由移動(dòng)的形狀簡(jiǎn)單的二維競(jìng)技場(chǎng)組成。更具體地說(shuō)，SpriteWorld 是一個(gè)二維方形競(jìng)技場(chǎng)，周?chē)呻S機(jī)放置數(shù)量可變的彩色精靈，但不會(huì)發(fā)生碰撞。
開(kāi)源地址：
https://github.com/deepmind/spriteworld
3、bsuite【 Stars：834】
強(qiáng)化學(xué)習(xí)行為套件（bsuite，The Behaviour Suite for Reinforcement Learning ）的目標(biāo)是成為強(qiáng)化學(xué)習(xí)領(lǐng)域的 MNIST。具體來(lái)說(shuō)，bsuite 是一系列用來(lái)突出 agent 可擴(kuò)展性關(guān)鍵點(diǎn)的實(shí)驗(yàn)。這些實(shí)驗(yàn)易于測(cè)試和迭代，對(duì)基本問(wèn)題，例如“探索”或“記憶”進(jìn)行試驗(yàn)。
開(kāi)源地址：
https://github.com/deepmind/bsuite
Facebook全部開(kāi)源：
https://ai.facebook.com/results/open-source/?content_types%5B0%5D=blog
1、LASER 【Stars：2k】
增強(qiáng)版的 LASER是首個(gè)能夠成功探索大型多語(yǔ)種句子表征的工具包，共包含 90 多種語(yǔ)言，由 28 種不同的字母表編寫(xiě)。這項(xiàng)龐大的工作也引發(fā)了整個(gè) NLP 社區(qū)的廣泛關(guān)注。該工具包將所有語(yǔ)言聯(lián)合嵌入到單個(gè)共享空間，而不是為每個(gè)語(yǔ)言單獨(dú)建立模型。
開(kāi)源地址：
https://github.com/facebookresearch/LASER
2、Detectron2【Stars：4.9k】
10月11日，F(xiàn)acebook發(fā)布了Detectron2，這是基于PyTorch框架，以maskrcnn-benchmark為起點(diǎn)對(duì)Detectron的徹底重寫(xiě)。通過(guò)全新的模塊化設(shè)計(jì)，Detectron2靈活且可擴(kuò)展，能夠在單個(gè)或多個(gè)GPU服務(wù)器上提供更加快速的訓(xùn)練。
Detectron2已經(jīng)包含了眾多保質(zhì)量實(shí)現(xiàn)的目標(biāo)檢測(cè)算法，包括：DensePose, panoptic feature pyramid networks和Mask RCNN的各種變種。，其模塊化特性也使其能夠有效幫助研究人員探索最先進(jìn)的算法設(shè)計(jì)。
開(kāi)源地址：
https://github.com/facebookresearch/detectron2
3、Habitat-Sim【Stars：549】
Habitat-Sim 是一個(gè)仿真的、靈活、高性能的3D模擬器，可配置代理、多個(gè)傳感器和通用3D數(shù)據(jù)集處理，讓我們可以在其中訓(xùn)練和評(píng)估 AI智能體。
開(kāi)源地址：
https://github.com/facebookresearch/habitat-sim
4、PyText【Stars：5.5k】
PyText 是一個(gè)基于 PyTorch 構(gòu)建的 NLP 建模（基于深度學(xué)習(xí)）框架，核心功能可以支持文本分類(lèi)、序列標(biāo)注等神經(jīng)網(wǎng)絡(luò)模型。PyText 可以簡(jiǎn)化工作流程，加速試驗(yàn)，同時(shí)還能促進(jìn)大規(guī)模部署。
開(kāi)源地址：
https://github.com/facebookresearch/pytext
5、Nevergrad【Stars：2.1k】
Nevergrad 是Facebook 內(nèi)部也在使用的一個(gè)無(wú)梯度優(yōu)化 Python工具箱。除了內(nèi)部項(xiàng)目中使用，還可以廣泛運(yùn)用在機(jī)器學(xué)習(xí)的多種問(wèn)題中，比如多模態(tài)問(wèn)題、可分離或旋轉(zhuǎn)問(wèn)題、部分可分離問(wèn)題、離散、連續(xù)或混合等問(wèn)題。
開(kāi)源地址：
https://github.com/facebookresearch/nevergrad
6、QNNPACK【Stars：1.2k】
QNNPACK（量化神經(jīng)網(wǎng)絡(luò)包）是一個(gè)針對(duì)低精度高性能神經(jīng)網(wǎng)絡(luò)推理的移動(dòng)端優(yōu)化庫(kù)。據(jù)官方公布，QNNPACK可以成倍提升神經(jīng)網(wǎng)絡(luò)的推理效率，已經(jīng)成為 PyTorch 1.0 的一部分， 也已經(jīng)被集成到 Facebook 的應(yīng)用程序中，部署到數(shù)十億臺(tái)設(shè)備上。
開(kāi)源地址：
https://github.com/pytorch/QNNPACK
7、PyTorch Biggraph（PBG）【Stars：1.9k】
PBG 是一個(gè)用于學(xué)習(xí)大規(guī)模圖嵌入的分布式系統(tǒng)，特別適用于處理具有多達(dá)數(shù)十億實(shí)體和數(shù)萬(wàn)億條邊的大型網(wǎng)絡(luò)交互圖。它在 2019 年的 SysML 會(huì)議上發(fā)表的大規(guī)模圖嵌入框架論文中提出。
PBG 比常用的嵌入軟件更快，并在標(biāo)準(zhǔn)基準(zhǔn)上生成與最先進(jìn)模型質(zhì)量相當(dāng)?shù)那度?。有了這個(gè)新工具，任何人都可以用一臺(tái)機(jī)器或多臺(tái)機(jī)器并行地讀取一個(gè)大圖并快速生成高質(zhì)量的嵌入。
開(kāi)源地址：
https://github.com/facebookresearch/PyTorch-BigGraph
dnf職業(yè)平衡改動(dòng)解析 - 櫻花動(dòng)漫
8、 CrypTen【Stars：274】
CrypTen是一個(gè)基于PyTorch的隱私保護(hù)機(jī)器學(xué)習(xí)框架 。它的目標(biāo)是讓機(jī)器學(xué)習(xí)的實(shí)踐者能夠使用安全地進(jìn)行計(jì)算。
開(kāi)源地址：
https://github.com/facebookresearch/crypten
9、 Captum 【Stars：581】
Captum是一個(gè)基于 Pytorch 的一個(gè)模型解釋庫(kù)，其功能強(qiáng)大、靈活且易于使用。該庫(kù)為所有最新的算法提供了解釋性，幫助研究人員及開(kāi)發(fā)者更好地理解對(duì)模型預(yù)測(cè)結(jié)果產(chǎn)生作用的具體特征、神經(jīng)元及神經(jīng)網(wǎng)絡(luò)層。
開(kāi)源地址：
https://www.captum.ai/
10、DLRM【Stars：1.5k】
Facebook 開(kāi)源的深度學(xué)習(xí)推薦模型DLRM 是基于 PyTorch 和 Caffe2 平臺(tái)實(shí)現(xiàn)。這也是一個(gè)在生產(chǎn)環(huán)境中提供個(gè)性化結(jié)果的模型，通過(guò)結(jié)合協(xié)同過(guò)濾算法和預(yù)測(cè)分析方法，使模型獲得進(jìn)一步效果的提升。
開(kāi)源地址：
https://github.com/facebookresearch/dlrm
11、Pythia【Stars：2.9k】
Pythia 是一個(gè)模塊化的深度學(xué)習(xí)框架。它可以支持視覺(jué)和語(yǔ)言領(lǐng)域的多任務(wù)處理，內(nèi)置各種數(shù)據(jù)集，同時(shí)還支持?jǐn)?shù)據(jù)并行和分布式數(shù)據(jù)并行的分布式訓(xùn)練，滿(mǎn)足用戶(hù)對(duì)損失、度量、調(diào)度和優(yōu)化器的定制需求。
開(kāi)源地址：
https://github.com/facebookresearch/pythia
亞馬遜1、DGL【Stars：3.2k】
與傳統(tǒng)基于張量（Tensor）的神經(jīng)網(wǎng)絡(luò)相比，圖神經(jīng)網(wǎng)絡(luò)將圖 (Graph) 作為輸入，從圖結(jié)構(gòu)中學(xué)習(xí)潛在知識(shí)，該方法在近些年已被證明在許多場(chǎng)景可以取得很好的效果。然而，使用傳統(tǒng)的深度學(xué)習(xí)框架（比如 TensorFlow、Pytorch、MXNet）并不能方便地進(jìn)行圖神經(jīng)網(wǎng)絡(luò)的開(kāi)發(fā)和訓(xùn)練，而 DGL作為專(zhuān)門(mén)面向圖神經(jīng)網(wǎng)絡(luò)的框架，可以很好地彌補(bǔ)這一缺陷。該框架在開(kāi)源后于國(guó)內(nèi)外引起了強(qiáng)烈的反響。
開(kāi)源地址：
http://dgl.ai
https://github.com/dmlc/dgl
2、Neo-AI
Neo-AI 是 AWS 開(kāi)源一個(gè)AI模型優(yōu)化框架，包含了對(duì) TVM、Treelite、DLR 所做多一些改進(jìn)與創(chuàng)新。Neo-AI 運(yùn)行時(shí)占用的空間并不大，轉(zhuǎn)換模型的速度可以加快2 倍，但精度并不會(huì)受到損失，在目標(biāo)硬件上運(yùn)行時(shí)并不依賴(lài)于框架。
開(kāi)源地址：
https://github.com/neo-ai
蘋(píng)果電腦玩的傳奇手游推薦 - 櫻花動(dòng)漫
微軟1、NNI (Neural Network Intelligence) 【Stars：3.5k】
NNI 是自動(dòng)機(jī)器學(xué)習(xí)（AutoML）的工具包。它通過(guò)多種調(diào)優(yōu)的算法來(lái)搜索最好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和（或）超參，并支持單機(jī)、本地多機(jī)、云等不同的運(yùn)行環(huán)境。
開(kāi)源地址：
https://github.com/microsoft/nni/blob/master/README_zh_CN.md
2、OpenPAI【Stars：1.4k】
微軟開(kāi)源的 AI 計(jì)算平臺(tái)，幫助加速機(jī)器學(xué)習(xí)的模型訓(xùn)練過(guò)程。提供了完整的 AI 模型訓(xùn)練和資源管理能力，能輕松擴(kuò)展，并支持各種規(guī)模的私有部署、云和混合環(huán)境。
開(kāi)源地址：
https://github.com/microsoft/pai/blob/master/README.md
3、lnterpretML【Stars：2.1k】
微軟開(kāi)源的可解釋機(jī)器學(xué)習(xí)工具包 lnterpretML。它不僅能執(zhí)行很多可理解的模型，也希望幫助開(kāi)發(fā)人員能?chē)L試各種方法解釋模型和系統(tǒng)。
開(kāi)源地址：
https://github.com/interpretml/interpret
4、PipeDream【Stars：34】
幾個(gè)月以前，微軟研究院宣布了Fiddle項(xiàng)目的創(chuàng)立，其包括了一系列的旨在簡(jiǎn)化分布式深度學(xué)習(xí)的研究項(xiàng)目。PipeDreams是Fiddle發(fā)布的第一個(gè)側(cè)重于深度學(xué)習(xí)模型并行訓(xùn)練的項(xiàng)目之一。PipeDream采用一種有別于其它方法的方式，利用稱(chēng)為“流水線并行”的技術(shù)來(lái)擴(kuò)展深度學(xué)習(xí)模型的訓(xùn)練。
開(kāi)源地址：
https://github.com/msr-fiddle/pipedream
Uber1、Ludwig【Stars：5.9k】
一個(gè)基于TensorFlow的工具箱，不用寫(xiě)代碼就能夠訓(xùn)練和測(cè)試深度學(xué)習(xí)模型。可以幫助開(kāi)發(fā)者更好地理解深度學(xué)習(xí)方面的能力，并能夠推進(jìn)模型快速迭代。對(duì)AI專(zhuān)家來(lái)說(shuō)，Ludwig可以簡(jiǎn)化原型設(shè)計(jì)和數(shù)據(jù)處理過(guò)程，從而讓他們能夠?qū)Ｗ⒂陂_(kāi)發(fā)深度學(xué)習(xí)模型架構(gòu)。
開(kāi)源地址：
https://github.com/uber/ludwig
OpenCV1、OpenVINO【Stars：873】
OpenVINO 是一個(gè)模型訓(xùn)練框架，提供了大量的預(yù)訓(xùn)練模型，同時(shí)提供模型重新訓(xùn)練與部署的拓展通道。
開(kāi)源地址：
https://github.com/opencv/dldt
SciSharp STACK一個(gè)基于 .NET 的機(jī)器學(xué)習(xí)生態(tài)，提供一個(gè)和 Python 生態(tài)體驗(yàn)一致的工具庫(kù)，讓模型遷移更容易、學(xué)習(xí)曲線最低。SciSharp 從最基本的張量計(jì)算庫(kù) NumSharp 開(kāi)始構(gòu)建，到 TensorFlow Binding，再到吸納其它深度學(xué)習(xí)庫(kù) SiaNet 做 ArrayFire.NET，最后到開(kāi)發(fā)ICSharpCore以支持Jupyter Notebook調(diào)試。
1、TensorFlow.Net【Stars：807】
TensorFlow.NET保持和 Python 代碼幾乎一樣的語(yǔ)法和接口，讓目前流行的模型能夠快速移植到 TF.NET。開(kāi)發(fā)者可以很容易地在 .NET 上運(yùn)行用 Tensorflow 開(kāi)發(fā)的模型，使用 Jupyter Notebook 一樣可以在線開(kāi)發(fā)和調(diào)試 C# 語(yǔ)言程序和 TensorFlow.NET，并可以實(shí)時(shí)呈現(xiàn)繪圖的效果。
開(kāi)源地址：
https://github.com/SciSharp/TensorFlow.NET
2、NumSharp【Stars：75】
NumSharp 是 Python 流行庫(kù) numpy 的純 C＃ 端口，目的是提供快速、零拷貝和 n 維計(jì)算。目前，它是唯一一個(gè)為 .NET 編寫(xiě)的穩(wěn)定庫(kù)，能夠在 n 維之間執(zhí)行數(shù)學(xué)運(yùn)算，如矩陣乘法、換位、加法等。
開(kāi)源地址：
https://github.com/SciSharp/Numpy.NET
阿里1、Euler【Stars：1.8k】
Euler是大規(guī)模分布式的圖學(xué)習(xí)框架，配合TensorFlow或者阿里開(kāi)源的XDL等深度學(xué)習(xí)工具。Euler 采用分層靈活可擴(kuò)展設(shè)計(jì)、大規(guī)模高性能異構(gòu)圖學(xué)習(xí)、靈活多樣的圖算法支持、通用 GNN 訓(xùn)練加速的設(shè)計(jì)理念，支持圖分割和高效穩(wěn)定的分布式訓(xùn)練，可以輕松支撐數(shù)十億點(diǎn)、數(shù)百億邊的計(jì)算規(guī)模。
開(kāi)源地址：
https://github.com/alibaba/euler/wiki
2、XDL【Stars：3k】
X-DeepLearning（簡(jiǎn)稱(chēng)XDL）是面向高維稀疏數(shù)據(jù)場(chǎng)景（如廣告/推薦/搜索等）深度優(yōu)化的一整套解決方案。新框架 XDL 針對(duì)阿里媽媽業(yè)務(wù)數(shù)據(jù)高維稀疏的場(chǎng)景特點(diǎn)進(jìn)行了優(yōu)化。
開(kāi)源地址：
https://github.com/alibaba/x-deeplearning
3、MNN【Stars：3k】
MNN是一個(gè)輕量級(jí)的深度神經(jīng)網(wǎng)絡(luò)推理引擎，在端側(cè)加載深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行推理預(yù)測(cè)。目前，MNN已經(jīng)在阿里巴巴的手機(jī)淘寶、手機(jī)天貓、優(yōu)酷等20多個(gè)App中使用，覆蓋直播、短視頻、搜索推薦、商品圖像搜索、互動(dòng)營(yíng)銷(xiāo)、權(quán)益發(fā)放、安全風(fēng)控等場(chǎng)景。此外，IoT等場(chǎng)景下也有若干應(yīng)用。
開(kāi)源地址：
https://github.com/alibaba/MNN/blob/master/README_CN.md
騰訊1、Angel【Stars：5.4k】
騰訊Angel 3.0嘗試打造一個(gè)全棧的機(jī)器學(xué)習(xí)平臺(tái)，功能特性涵蓋了機(jī)器學(xué)習(xí)的各個(gè)階段：特征工程、模型訓(xùn)練、超參數(shù)調(diào)節(jié)和模型服務(wù)。
開(kāi)源地址：
https://github.com/Angel-ML/angel
字節(jié)跳動(dòng)1、BytePS【Stars：1.9k】
BytePS 是今年字節(jié)跳動(dòng)發(fā)布的一款高性能的通用分布式訓(xùn)練框架。它支持TensorFlow、Keras、PyTorch 和 MXNet，可以在TCP或RDMA網(wǎng)絡(luò)上運(yùn)行。BytePS在很大程度上優(yōu)于現(xiàn)有的開(kāi)源分布式培訓(xùn)框架。
開(kāi)源地址：
https://github.com/bytedance/byteps
商湯1、MMLab MMDetection【Stars：7k】
香港中文大學(xué)-商湯聯(lián)合實(shí)驗(yàn)室開(kāi)源了基于 PyTorch 的檢測(cè)庫(kù)——mmdetection。這個(gè)開(kāi)源庫(kù)提供了已公開(kāi)發(fā)表的多種視覺(jué)檢測(cè)核心模塊。通過(guò)這些模塊的組合，可以迅速搭建出各種著名的檢測(cè)框架，比如 Faster RCNN，Mask RCNN，和 R-FCN 等各種新型框架，從而大大加快檢測(cè)技術(shù)研究的效率。
開(kāi)源地址：
https://github.com/open-mmlab/mmdetection
2、PySOT【Stars：2.7k】
PySOT 目標(biāo)跟蹤庫(kù)實(shí)現(xiàn)了目前 SOTA 的多個(gè)單目標(biāo)跟蹤算法，包括SiamRPN和SiamMask。PySOT 是用 Python 編寫(xiě)，基于 PyTorch 框架實(shí)現(xiàn)，同時(shí)該項(xiàng)目還包含一個(gè)評(píng)估跟蹤器的Python 接口。
開(kāi)源地址：
https://github.com/STVIR/pysot
搜狗1、SMRC【Stars：547】
SMRC（Sogou Machine Reading Comprehension）目前業(yè)內(nèi)最全的TensorFlow版本的閱讀理解工具集合，從相關(guān)數(shù)據(jù)集的下載到最后模型的訓(xùn)練和測(cè)試，一應(yīng)俱全。
開(kāi)源地址：
https://github.com/sogou/SMRCToolkit
螞蟻金服1、ElasticDL【Stars：355】
ElasticDL是一個(gè)分布式的智能學(xué)習(xí)系統(tǒng)，基于TensorFlow2.0構(gòu)建，通過(guò)SQLFlow被調(diào)用的模型，會(huì)基于基礎(chǔ)架構(gòu)來(lái)進(jìn)行分布式執(zhí)行。它的容錯(cuò)和彈性調(diào)度機(jī)制，能讓集群的利用效率更高。
開(kāi)源地址：
https://github.com/sql-machine-learning/elasticdl/
其他1、FATE【Framework】
微眾銀行AI團(tuán)隊(duì)開(kāi)源的聯(lián)邦學(xué)習(xí)框架。聯(lián)盟學(xué)習(xí)開(kāi)源項(xiàng)目FATE（Federated AI Technology Enabler），提供了一種基于數(shù)據(jù)隱私保護(hù)的安全計(jì)算框架，為機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、遷移學(xué)習(xí)算法提供強(qiáng)有力的安全計(jì)算支持。安全底層支持同態(tài)加密、秘密共享、哈希散列等多種多方安全計(jì)算機(jī)制，算法層支持多方安全計(jì)算模式下的邏輯回歸、Boosting、聯(lián)邦遷移學(xué)習(xí)等。
該框架可以幫助學(xué)術(shù)研究人員快速開(kāi)發(fā)算法原型；為工業(yè)界人員快速開(kāi)發(fā)應(yīng)用提供一種簡(jiǎn)潔有效的解決方案，支持在多場(chǎng)景下的開(kāi)拓和應(yīng)用；借助其靈活的架構(gòu)，用戶(hù)可以輕松地將計(jì)算工作部署到多種平臺(tái)（CPU、GPU）和設(shè)備（桌面設(shè)備、服務(wù)器集群、移動(dòng)設(shè)備等）
開(kāi)源地址：
https://www.fedai.org.cn/cn/
https://github.com/FederatedAI/FATE
2、DeepCTR【Stars：2.2k】
DeepCTR 一個(gè)易于使用、模塊化和可擴(kuò)展的基于深度學(xué)習(xí)的 CTR 模型包，帶有許多核心組件層，可用于輕松構(gòu)建自己定制的模型。
開(kāi)源地址：
https://github.com/shenweichen/DeepCTR
3、ALiPy【Stars：356】
ALiPy是一個(gè)基于Python實(shí)現(xiàn)的主動(dòng)學(xué)習(xí)工具包，內(nèi)置20余種主動(dòng)學(xué)習(xí)算法，并提供包括數(shù)據(jù)處理、結(jié)果可視化等工具。ALiPy根據(jù)主動(dòng)學(xué)習(xí)框架的不同部件提供了若干獨(dú)立的工具類(lèi)，這樣一方面可以方便地支持不同主動(dòng)學(xué)習(xí)場(chǎng)景，另一方面可以使用戶(hù)自由地組織自己的項(xiàng)目，用戶(hù)可以不必繼承任何接口來(lái)實(shí)現(xiàn)自己的算法與替換項(xiàng)目中的部件。此外，ALiPy不僅支持多種不同的主動(dòng)學(xué)習(xí)場(chǎng)景，如標(biāo)注代價(jià)敏感，噪聲標(biāo)注者，多標(biāo)記查詢(xún)等。
開(kāi)源地址：
https://github.com/NUAA-AL/ALiPy
4、Real-Time Voice Cloning【Stars：9.1k】
Real-Time Voice Cloning 是論文《Transfer Learning from Speaker Verification to Multispeaker Text-To-Speech Synthesis（SV2TTS）》的實(shí)現(xiàn)。SV2TTS 是一個(gè)三階段深度學(xué)習(xí)框架，可以在 5 秒的音頻中創(chuàng)建一個(gè)語(yǔ)音的數(shù)字表示，并使用它來(lái)調(diào)整一個(gè)經(jīng)過(guò)訓(xùn)練的文本到語(yǔ)音模型，以推廣到新的語(yǔ)音。
開(kāi)源地址：
https://github.com/CorentinJ/Real-Time-Voice-Cloning
5、Weights and Biases 【Stars：1.3k】
一個(gè)在機(jī)器學(xué)習(xí)實(shí)驗(yàn)過(guò)程中用于可視化和跟蹤的工具。它與框架無(wú)關(guān)，比TensorBoard更輕。每次運(yùn)行一個(gè)裝有 wandb 的腳本時(shí)，都會(huì)保存超參數(shù)和輸出度量。在訓(xùn)練過(guò)程中可視化模型，還能輕松對(duì)比模型的版本，還會(huì)自動(dòng)跟蹤你的代碼、系統(tǒng)指標(biāo)和配置參數(shù)的狀態(tài)。
開(kāi)源地址：
https://github.com/wandb/client
【End】