Mybridge對8月250個機器學習開源項目進行了排行，并列出了前10位，Github星的平均數量：1355

月度開源項目排行榜又來了！

這次，由Mybridge AI根據包括GitHub簽星數量在內的各種評判因素，對8月份將近250個開源項目進行了比較，做出了一個《8月機器學習開源項目排行榜》，下面列出了其中的TOP 10。10個項目的平均星數達到了1355。

1. UGATIT（超3500星）

U-GAT-IT的官方Tensorflow實施：具有自適應層實例規范化的無監督生成注意網絡，用于圖像到圖像的轉換。

https://github.com/taki0112/UGATIT?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

2. Dlrm（超1300星）

深度學習推薦模型（Deep Learning Recommendation Model）的實現模型輸入由密集和稀疏特征組成。 前者是浮點值的向量。 后者是嵌入表的稀疏索引列表，嵌入表由浮點值向量組成。 所選擇的矢量被傳遞到由三角形表示的mlp網絡，在一些情況下，矢量通過操作符（Ops）進行交互。

https://github.com/facebookresearch/dlrm?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

3. Real-Time-Voice-Cloning（超6200星）

該倉庫是一種從說話人驗證到多語言文本到語音合成（SV2TTS）的遷移學習的實現，其中有一個實時工作的聲碼器。SV2TTS是一個三階段深度學習框架，允許從幾秒鐘的音頻創建一個語音的數字表示，并使用它來調節訓練的文本到語音模型以推廣到新的聲音。

https://github.com/CorentinJ/Real-Time-Voice-Cloning?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

4. RAdam（超1200星）

Adam是一種對隨機目標函數執行一階梯度優化的算法，該算法基于適應性低階矩估計，但基本機制在很大程度上是未知的，雖然收斂速度很快，但容易掉入局部最優解的“陷阱”。

來自UIUC的中國博士生Liyuan Liu提出了一個新的優化器RAdam，結合了Adam和SGD兩者的優點，在保證收斂速度的前提下避免掉入局部最優解陷阱。同時，收斂結果對學習率的初始值比較麻木。在較大學習率的情況下，RAdam效果甚至還優于SGD。

https://github.com/LiyuanLucasLiu/RAdam?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

5. TensorNetwork（超780星）

TensorNetwork是谷歌為了提高張量計算效率，和加拿大圓周理論物理研究所（Perimeter Institute for Theoretical Physics）、谷歌 X 公司一起開發的開源庫。它使用TensorFlow 作為后端，針對GPU進行了優化，與在 CPU 上的運行速度相比實現了 100 倍的加速。

https://github.com/google/tensornetwork?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

6. Megatron-LM（超900星）

英偉達一舉創造了 2 個壯舉！訓練出了世界上最大的語言模型 ——MegatronLM，包含 83 億參數，比 BERT 大 24 倍，比 GPT-2 大 5.6 倍；還打破了實時對話 AI 的記錄，僅耗時 53 分鐘即可訓練出行業標準 BERT 模型、2 毫秒就能對答案做出推斷！

https://github.com/NVIDIA/Megatron-LM?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

7. Python_autocomplete（超600星）

這個好玩的項目是一個簡單的LSTM模型，可以自動完成python代碼，可以進行波束搜索以找到預測，最多可達10個字符。

https://github.com/vpj/python_autocomplete?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

8. Realistic-Neural-Talking-Head-Models（超190星）

Few-Shot Adversarial Learning of Realistic Neural Talking Head Models論文的代碼實現。

https://github.com/vincent-thevenin/Realistic-Neural-Talking-Head-Models?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

9. TecoGAN（超980星）

TecoGAN被用來實現視頻超分辨率，該技術可以生成非常精致的細節，甚至連背上的斑點都清晰可見，同時還能保持視頻的連貫性，由慕尼黑工業大學研究人員開發。

https://github.com/thunil/TecoGAN?utm_source=mybridge&utm_medium=blog&utm_campaign=read_more

10. Buffalo（超230星）

TOROS Buffalo：一個快速，可擴展的生產就緒型開源項目，適用于推薦系統。