來源：Analytics Vidhya
編譯：磐石
【磐創AI導讀】：Github是全球最大的開源代碼社群，Reddit是最受大家歡迎的熱點讨論交流平台。接下來磐創AI将為大家帶來四月份Github最佳項目庫介紹與Reddit熱點評論一覽。
目錄
介紹
Github月度最佳項目庫
Reddit熱點讨論
對于資料科學和機器學習，GitHub和Reddit也許是兩個最受歡迎的平台。前者是在代碼和項目之間共享和協作的絕佳工具，而後者則是與全球資料科學愛好者交流互動的最佳平台之一。
在4月份，有一些驚豔的python項目開放了源代碼。從可以完美融合一張圖到另一張圖檔中的Deep Painterly Harmonization(深度繪畫協調庫)到Swift for TensorFlow（tensorflow相容swift）。下面的介紹将涵蓋四月份最佳的幾個開源項目倉庫。
接下來，讓我們來看看四月份的最佳Git倉庫和最有趣的Reddit讨論。
GitHub月度最佳項目庫
Deep Painterly Harmonization （深度繪畫融合）
對圖像進行處理并且使處理後的圖像看起來像真實圖像一樣這類技術已經存在很久了。但是通過深度學習去實作将會更加有效率和更加逼真。開發人員提出了一種算法用以實作繪制一幅繪畫：在一張圖檔中添加一個外部元素并使其與之融合，而且看起來幾乎與原始繪畫風格一樣。
正如上面的圖像所示-右邊第三幅是最終輸出，如果我們沒有前面的兩個圖像，我們可能無法區分出氣球是一個外部插入對象。這種算法産生比照片合成或全局程式化技術（ global stylization techniques）更精确的結果，并且實作迄今為止非常難以實作的處理水準。
Swift for TensorFlow 谷歌上個月将Swift for TensorFlow在
TensorFlow開發者峰會上進行了示範，而且其技術團隊已經開始在GitHub上向大家提供開源代碼。他們的目标是在Tensorflow已經很強大的功能基礎上為其提供一個全新的程式設計模型，同時還注重提高整個軟體架構每一層的可用性。目前這個項目還處于早期開發階段，是以尚未準備好寫入深度學習模型。該團隊聲稱，現在距實作項目原定目标還需要一段時間，同時該項目還有很多潛在功能尚未實作。
我們在
這裡介紹了Swift for TensorFlow供你參考。
MUNIT: Multimodal UNsupervised Image-to-image Translation（多模态無監督圖像轉換 ）
來自康奈爾大學的研究小組提出了一種多模态無監督的圖像到圖像轉換問題的标準架構-（MUNIT）架構，用于将圖像從一個域轉換到另一個域。通俗來講，就是拍攝一張圖像，并從中産生一個新圖像（例如，将狗的圖像轉換為貓）。
先前存在的方法僅僅可以實作給定圖像的一對一映射，是以不能對一個圖像産生多個不同輸出結果。而MUNIT的另一個激動人心的功能正是可以為一張圖檔提供多個輸出。
GluonNLP
最近，深度學習在自然語言處理領域取得了很大的進展。網絡生活中每時每刻都會産生大量的文字，這是從上個世紀就開始的現象。GluonNLP是一個自然語言處理工具包，它旨在使資料科學家們更便捷的去完成NLP任務–更簡單友善的實作文本預處理和加載資料集并建構深度學習神經模型。這極大的促進了NLP研究的高效與便捷。
令人激動的另外一點是，該工具有一個很好的
介紹文檔與教程，以及如何使用該庫的詳細示例。他們還為喜愛複制粘貼的新手們準備了一個精心制作的60分鐘速成課程。
PyTorch GAN
PyTorch GAN這個Github庫就像是一個金礦，值得大家去挖掘。GAN（生成對抗網絡）由14 年 Ian Goodfellow 等人提出，随後關于GAN的各種變體版本就相繼出現。而PyTorch GAN庫就是是針對GAN（或生成對抗網絡）以及其各種變體的PyTorch實作的集合。目前該項目庫已經列出了24種不同的實作，每種實作都會在一定程度上特别地為你提供友善。例如，其中包含Adversarial Autoencoders，CycleGAN，Least Squares GAN，Pix2Pix等的實作。
幫助使用者了解研究論文
如果你在讀研究論文時遇到了困難，那麼Reddit機器學習社群願意為你提供幫助。這個很棒的提議已經幫助了一大群人在研究論文中收獲更多，而以往他們往往隻是在遇見問題時放棄閱讀或者直接跳過。
值得注意的一點是，當你在那裡發帖求助時你需要確定提供盡可能詳細的資訊，比如文章摘要、你被卡住的地方、你自己做了什麼研究等等。在此引用一條社群使用者評論更通俗的解釋這個闆塊（Reddit機器學習社群）的功能–“可以想象，這将是會有一個研究小組（社群使用者們）被邀請來回答你論文的疑問，而不是排長隊等待某個專家來回答它。“
關于《Nature》建立《Nature Machine Intelligence》子刊的聲明
關于”研究“應該是開源（免費）還是封閉（收費）的争論已經持續了數十年。最近，廣受關注的“Nature”雜志宣布它将釋出封閉式通路子刊（收費）《Nature Machine Intelligence》。這觸發了一場聲勢浩大的抵制運動，許多業界大牛（Jeff Dean. 與Ian Goodfellow. 等人）在請願書上簽名并聲明他們不會給這樣的期刊投稿。
研究是否應該有開放（免費）或封閉（收費）的通路這個話題引發了社群使用者廣泛的讨論。
Michael Jordan關于AI現狀的演講
邁克爾喬丹（Michael Jordan）是伯克利著名教授，在最近的一次演講中，他詳細地講述了我們是如何與真正的機器智能漸行漸遠的。這是一個發人深省的演講，可以激發人們對機器智能的思考。
在Reddit機器學習社群該主題已經産生了超過100條評論，大家廣泛讨論着自己對機器智能發展的看法與自己所處的位置和會産生的作用。
科學家們籌劃大型歐洲人工智能中心與美國競争
在這個話題中，你會發現來自歐洲和美國各地的資料科學家和機器學習研究人員們參與了讨論–關于ML（機器學習）在兩大洲的結構如何塑造和工資水準如何。你可以通過此話題了國外機器學習研究者的一些社會現狀。
測量目标景觀的本征維數 （Intrinsic Dimension）
這個話題來自于優步釋出的一個視訊–将本證維數發展為神經網絡的基本屬性。大家對視訊中内容的疑問，都在這裡得到了回答。人們往往更喜歡将一篇研究論文轉化為一段視訊來了解，這可能會使得這項研究更容易去了解。
歡迎在評論中發表你對上述熱點項目與熱點話題的觀點。