【導讀】：GitHub是資料科學家希望從人群中脫穎而出的寶貴平台，擁有來自頂尖技術巨頭（如Google、Facebook、IBM、NVIDIA等）的開放源碼項目。本文為大家總結了近期最熱門的機器學習項目top5。歡迎大家點選上方藍字關注我們的公衆号：磐創AI，擷取更多的機器學習、深度學習資源。
本文是近期Github熱點項目的彙總，如果你想了解更多優秀的github項目，請關注我們公衆号的github系列文章。
推薦 | 7個你最應該知道的機器學習相關github項目
熱點 | 六月Github熱點項目庫總結
熱點 | 四月最佳Github項目庫與最有趣Reddit熱點讨論（文末免費送百G資料集）
No1：Faster R-CNN and Mask R-CNN in PyTorch 1.0
（https://github.com/facebookresearch/maskrcnn-benchmark）
計算機視覺已經變得越來越流行，目标檢測項目也變得越來越受追捧。本項目是來自Facebook的一個非常酷的項目，是使用pytorch 1.0讓檢測和模型分割變得更加簡單，它旨在提供使用流行的PyTorch 1.0架構建立用于分割和模型檢測的建構塊。Facebook聲稱它的速度要比Detectron架構快兩倍，并且配備了預先訓練的模型。此外不僅僅是速度，在效率和資源消耗方面，它也有更優的性能。如果你想熟悉PyTorch的基本知識，這将是個很棒的入門教程。
No2：Tencent ML Images (https://github.com/Tencent/tencent-ml-images)
這個github項目是所有深度學習愛好者的寶藏，它介紹了名為騰訊ML圖像的開源項目（最大的開源多标簽圖像資料庫）。該項目資料集包含17609752條訓練資料和88739條驗證圖像的URL，它們被注釋了11166個類别。此外，該項目還包括一個預先訓練的Resnet-101模型，到目前為止，它已經通過遷移學習在ImageNet中獲得了80.73%的準确率。下方連結包含詳盡的代碼和注釋，以及教新手如何開始:
https://github.com/Tencent/tencent-ml-images
No3：PyTorch Implementation of Google AI’s BERT（https://github.com/codertimo/BERT-pytorch）
Google AI的BERT論文展示了各種NLP任務（新的17個NLP任務SOTA）的驚人結果，包括在SQuAD v1.1QA任務上超過人類的F1-score。論文通過适當的語言模型訓練方法，證明了基于變壓器的編碼器可以有效地替代之前的語言模型，更重要的是他們向我們展示了，這種預先訓練的語言模型可以轉移到任何NLP任務中，而不需要建立任務特定的模型結構。這個驚人的結果将記錄在NLP的曆史中，但目前這個項目正在進展中，代碼尚未被驗證。對本項目感興趣的朋友可以持續關注這個github。
No4：Extracting Latest Arxiv Research Papers and their Abstracts（https://github.com/chiphuyen/sotawhat）
很多頂尖的研究人員都在arxiv.org上釋出他們的論文全文，那麼有什麼辦法能對最新的文章進行分類呢？本項目使用了Python（v3.x）通過刮除arxiv論文并總結它們的摘要來傳回最新結果，進而幫助我們與最新的論文保持聯系，讓我們挑選我們想讀的文章。我們可以運作以下的指令來搜尋關鍵字：
$ python3 sotawhat.py “[keyword]” [number of results]
如果我們不指定執行個體個數，則腳本将預設傳回五個結果。
No5：DeepMimic（https://github.com/xbpeng/DeepMimic）
本github項目是在SIGGRAPH 2018上送出的論文“深層模拟：基于實體的特征技能的示例指導的深度強化學習”的代碼實作。引用文中的一句話：“這個架構能使用強化學習來訓練一個模拟的人形物體來模仿各種運動技能。”上面的項目連結，包含有關如何自己實作此架構的視訊和代碼，歡迎感興趣的同學學習下載下傳。