DeepPavlov
#对话系统训练开源库
DeepPavlov 是一个基于 TensorFlow 和 Keras 的智能对话库,其主要用途在于推动 NLP 和对话系统的研究,提升复杂对话系统的实现和评价效果。
DeepPavlov 可为研究者提供:
DeepPavlov 可为 AI 应用开发者提供:

项目链接
https://github.com/deepmipt/DeepPavlov


#深度学习框架随心切换
MMdnn 由微软开源,可将不同框架训练的深度神经网络模型进行转换,使之适配其他框架。该工具包目前已支持 Caffe、Keras、MXNet、Tensorflow、CNTK、PyTorch 和 CoreML。
MMdnn 具有如下特点:
模型文件转换,转换深度神经网络模型使之适配各种不同框架
模型代码片段生成,生成适合不同框架的训练或推断代码块
模型可视化,针对不同框架可视化深度神经网络模型网络架构和参数

项目链接
https://github.com/Microsoft/MMdnn

Age and Gender Estimation
#用CNN测算性别和年龄
本项目是一个基于 Keras 框架实现的 CNN 模型,用于根据人脸照片测算年龄和性别。

项目链接
https://github.com/yu4u/age-gender-estimation

Couplet#用深度学习对对联

Couplet 是一个基于 Seq2Seq 的对联生成工具,本项目基于 TensorFlow。

Demo: https://ai.binwang.me/couplet/
项目链接
https://github.com/wb14123/seq2seq-couplet

Landing a SpaceX Falcon Heavy Rocket#用强化学习控制火箭着陆

本项目是 Siraj Raval 在 YouTube 上发布的强化学习教学视频对应代码,如何在 Gym 模拟器里用强化学习控制 SpaceX 猎鹰重型火箭着陆。
视频链接
https://youtu.be/09OMoGqHexQ
项目链接
https://github.com/llSourcell/Landing-a-SpaceX-Falcon-Heavy-Rocket

Caffe for CC4.0-Windows#简单方便的Caffe C++接口

CC4.0 是一个可用于 Windows 系统的 Caffe 库,简单的 Caffe C++ 接口,方便简单而更深入地研究深度学习。
项目特性如下:
只需要一个头文件和一个依赖项 libcaffe.lib
能够轻易使用 C++ 写训练过程或调用过程
能够轻易自定义 layer,不用编译 Caffe 也不用修改 caffe.proto,只修改代码即可使用。自己实现数据层,不需要 lmdb 也能高效率训练
能够在训练过程中对自定义 layer 进行调试查看中间结果
支持 LSTM 不定长 OCR(有案例),支持 SSD 更轻易地进行训练
有了 4.0 的支持,能够轻易实现任何新的网络结构
允许通过自定义层在训练中查看训练效果,更易于理解 CNN 的学习效果
项目链接
https://github.com/dlunion/CC4.0

SLTK - Sequence Labeling Toolkit#序列化标注工具

SLTK 是一个序列化标注工具,实现了 Bi-LSTM-CRF 模型,并利用 PyTorch 实现了高效的数据加载模块,可以完成:
项目链接
https://github.com/liu-nlper/SLTK

OD Annotation#目标检测数据集标注工具

本项目是一个目标检测数据集标注工具,采用 Python-flask 框架开发,基于 B/S 方式交互,支持多人同时标注。
项目特点如下:
项目链接
https://github.com/hzylmf/od-annotation

TopiCluster#多文档主题聚类

TopiCluster 是一个基于 Kmeans 与 Lda 模型的多文档主题聚类。输入多篇文档,输出每个主题的关键词与相应文本,可用于主题发现与热点分析。
项目链接
https://github.com/liuhuanyong/TopiCluster
本文由 AI 学术社区 PaperWeekly 精选推荐,社区目前已覆盖自然语言处理、计算机视觉、人工智能、机器学习、数据挖掘和信息检索等研究方向,点击「阅读原文」即刻加入社区!

#榜 单 公 布 #
2017年度最值得读的AI论文 | NLP篇 · 评选结果公布
2017年度最值得读的AI论文 | CV篇 · 评选结果公布
我是彩蛋
解锁新功能:热门职位推荐!
PaperWeekly小程序升级啦
今日arXiv√猜你喜欢√热门职位√
找全职找实习都不是问题
解锁方式
1. 识别下方二维码打开小程序
2. 用PaperWeekly社区账号进行登陆
3. 登陆后即可解锁所有功能
职位发布
请添加小助手微信(pwbot01)进行咨询
长按识别二维码,使用小程序
*点击阅读原文即可注册
关于PaperWeekly
PaperWeekly 是一个推荐、解读、讨论、报道人工智能前沿论文成果的学术平台。如果你研究或从事 AI 领域,欢迎在公众号后台点击「交流群」,小助手将把你带入 PaperWeekly 的交流群里。

▽ 点击 | 阅读原文 | 加入社区刷论文