作者 | Walker
編輯 | 安可
出品 | 磐創AI技術團隊
【磐創AI導讀】:本文為大家總結了二月份最熱門的機器學習項目top5。想要擷取更多的機器學習、深度學習資源，歡迎大家點選上方藍字關注我們的公衆号:磐創AI。
此外，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
No1: StyleGAN — OfficialTensorFlow Implementation
github位址：https://github.com/NVlabs/stylegan
上面的圖檔看起來像一幅典型的拼貼畫，但事實上，這個收藏裡的人都不是真的，這些人都是不存在的。所有這些人都是由稱為Stylegan的算法生成的。
自從幾年前發明了GAN算法，它的性能一直在穩步提升，但Stylegan的出将比賽提升了好幾個level。開發人員提出了兩種新的、自動化的方法來量化這些圖像的品質，并公開了大量高品質的人臉資料集。
該github庫同時也包含算法的官方TensorFlow實作。以下是了解有關Stylegan的一些關鍵資源：
| Link | Description |
|---|---|
| http://stylegan.xyz/paper | Paper PDF. |
| http://stylegan.xyz/video | Result video. |
| http://stylegan.xyz/code | Source code. |
| http://stylegan.xyz/ffhq | Flickr-Faces-HQ dataset. |
| http://stylegan.xyz/drive | Google Drive folder. |
No2：OpenAI’s Ground-Breaking Language Model – GPT-2
github位址：https://github.com/openai/gpt-2
下面來介紹一種來自于OpenAI的突破性語言模型GPT-2。2019年2月，GPT-2獲得了非官方的“最受歡迎的”自然語言處理圖書館獎。但他們啟動GPT-2的方式引起了不少關注，該團隊聲稱該模型工作得很好，但由于害怕惡意使用。他們不能完全開放源代碼。然而，他們還是在Github中釋出了一個模型的較小版本，通路上述連結即可看到。
GPT-2是一個具有15億參數的大型語言模型。該模型已經在800萬個網頁的資料集上進行了訓練，當給定文本中的前一個單詞時，模型的目标是預測下一個單詞。
此外，我們還可以通過一些其它資源了解GPT-2：
- Blog Post（https://blog.openai.com/better-language-models/）
- Official Paper
（https://d4mucfpksywv.cloudfront.net/better-language-models/language-models.pdf）
No3：SC-FEGAN
Github位址：https://github.com/JoYoungjoo/SC-FEGAN
另一個GAN？！沒錯–Gans正在以狂風暴雨之勢席卷資料科學世界。SC-FEGAN在風格上和我們上面讨論的Stylegan算法一樣有趣。
上圖完美地說明了SC-FEGAN的作用。SC-FEGAN用深度網絡編輯面部圖像，SC-FEGAN非常适合使用帶有草圖和顔色的直覺輸入，進而生成高品質的合成圖像。我們使用SN-patchGAN鑒别器和Unet-like 産生器和選通卷積層，當然你可以使用開發人員訓練過的深層神經網絡編輯各種面部圖像。
此外該存儲庫中還包含了幫助您在自己的計算機上建構SC-FEGAN模型的步驟。還等什麼？趕緊來試一下吧！
No4：LazyNLP for Creating Massive TextDatasets
github位址：https://github.com/chiphuyen/lazynlp
LazyNLP背後的原理其實很簡單——它能夠對網站進行爬取、清理和消除重複資料，進而建立大量的單語資料集。Lazynlp将允許您建立比OpenAI用于教育訓練GPT-2模型的資料集更大的資料集。使用這個庫，您應該能夠建立比OpenAI用于GPT-2的資料集大的資料集。
這個Github存儲庫還列出了建立自己的自定義NLP資料集需要遵循的5個步驟。如果您對這個項目感興趣，點選上方連結具體檢視詳細資訊。
No5：Subsync
github位址：https://github.com/smacke/subsync
該項目的實施始于2019年的哈克伊利諾斯州，獲得了榮譽獎（排名前5名），Subsync是關于“語言無關自動同步字幕到視訊，使字幕在視訊中對齊到正确的起點”。該算法是利用python中的傅立葉變換技術建立的。
此外，Subsync也可以在VLC媒體播放器中工作！該模型大約需要20-30秒的訓練時間（具體訓練時間要取決于視訊長度）。
最後我們給大家介紹一個資料集，Flickr-Faces-HQ Dataset (FFHQ)。（Github位址：https://github.com/NVlabs/ffhq-dataset）。
該資料非常适合學習和使用GAN進行試驗，适用于當我們想要搜尋高品質圖像資料的場景。該資料集由70000張超高品質圖像（1024 x 1024）組成，包含的人臉的次元有：如年齡、種族、形象背景等。