?本周優(yōu)秀開源項目分享：YOLOv4的Pytorch存儲庫、用pytorch增強圖像數據等7大項目
Vector AI是一個框架，旨在使構建基于生產級矢量的應用程序的過程盡可能快速，輕松地進行。與json文檔一起創(chuàng)建，存儲，操縱，搜索和分析向量，以增強神經搜索，語義搜索，個性化推薦建議等應用程序。
主要特點：
多媒體數據向量化：Image2Vec，Audio2Vec等（任何數據都可以通過機器學習轉換為矢量）
面向文檔的存儲：將向量與文檔一起存儲，而無需對向量的元數據進行數據庫查找。
向量相似度搜索：可以使用向量相似度搜索來搜索向量和豐富的多媒體。許多流行的AI用例的骨干，如反向圖像搜索，推薦，個性化等。
混合搜索：在某些情況下，向量搜索不如傳統(tǒng)搜索有效。Vector AI可讓您將向量搜索與傳統(tǒng)搜索的所有功能（例如過濾，模糊搜索，關鍵字匹配）結合起來，以創(chuàng)建功能更強大的搜索。
多模型加權搜索：我們的向量搜索可高度自定義，可以對來自多個模型的多個向量執(zhí)行搜索，并賦予它們不同的權重。
向量操作：靈活的搜索功能，可對向量進行開箱即用的操作。例如均值，中位數，總和等。
匯總：期望的所有傳統(tǒng)匯總。例如按均值分組，數據透視表等
聚類：通過將向量和數據分配到存儲桶中來解釋它們，并根據提供的數據獲取有關這些不同存儲桶的統(tǒng)計信息。
向量分析：通過使用開箱即用的實用向量分析，可以更好地了解向量，從而更好地了解向量的質量。
Vector AI與其他最近鄰實現方案進行比較：
隨時可投入生產：API已得到全面管理，并且可以擴展為每天支持數億次搜索。即使進行了數百萬次搜索，它也通過邊緣緩存，GPU利用率和軟件優(yōu)化而迅速發(fā)展，因此無需擔心隨著用例的擴展而擴展基礎架構。
易于使用?？焖偃腴T：核心設計原則之一是專注于人們如何盡快開始使用Vector AI，同時確保仍然有大量功能和可定制性選項。
對向量及其特性的更深入的了解：旨在讓人們做更多的事情，在將數據添加到索引后立即對其進行實際的實驗，分析，解釋和改進。
輕松存儲矢量數據：Vector AI的面向文檔的特性使用戶可以標記，過濾搜索并盡可能地了解其矢量。
實時訪問數據：可以實時訪問Vector AI數據，一旦插入數據就可以立即進行搜索。無需等待數小時即可建立索引。
不可知的框架：我們絕不會在Vector AI上強制使用特定的框架。如果您有選擇的框架，則可以使用它-只要您的文檔可以JSON序列化！
項目地址：
https://github.com/vector-ai/vectorai
這是YOLOv4架構的PyTorch重新實現，它基于官方的Darknet實現AlexeyAB / darknet與PASCAL VOC，COCO和客戶數據集。
SEnet（CVPR 2017）
CBAM（CVPR 2018）
實現結果：
名稱 | 訓練集 | 測試集 | 測試大小 | mAP | 推理時間（ms） | 參數（M） |
mobilenetv2-YOLOV4 | VOC trainval(07+12) | VOC test(07) | 416 | 0.851 | 11.29 | 46.34 |
實現環(huán)境：
Nvida GeForce RTX 2080TI
CUDA10.0
CUDNN7.0
windows or linux
python 3.6
項目地址：
https://github.com/argusswift/YOLOv4-pytorch
OPUS-100是涵蓋100種語言的以英語為中心的多語言語料庫。它是從OPUS集合中隨機抽樣的。
OPUS-100以英語為中心，這意味著所有訓練對在源或目標方都包括英語。語料庫涵蓋100種語言（包括英語）。
我們根據OPUS中可用的并行數據量選擇語言。OPUS集合包括多個語料庫，從電影字幕到GNOME文檔再到圣經。
我們沒有整理數據或嘗試平衡不同域的表示，而是選擇了最簡單的方法，即為每種語言對下載所有語料庫并將它們連接在一起。
數據集分為訓練，開發(fā)和測試部分。我們從每種語言對中隨機抽取多達100萬個句子對進行訓練，并為開發(fā)和測試分別抽取多達2000個句子對。
為了確保訓練數據與開發(fā)/測試數據之間沒有重疊（在單語句子級別上），我們在采樣過程中應用了過濾器以排除已經采樣的句子。請注意，這是跨語言完成的，例如，訓練數據的葡萄牙語-英語部分中的英語句子不會出現在北印度語-英語測試集中。
OPUS-100包含大約5500萬個句子對。在這99個語言對中，有44個具有1M句子對訓練數據，有73個具有至少100k，有95個具有至少10k。
為了支持對zero-short翻譯的評估，我們還對15種阿拉伯語，中文，荷蘭語，法語，德語和俄語配對的數據進行了采樣。過濾用于排除OPUS-100中已有的句子。
項目地址：
https://github.com/EdinburghNLP/opus-100-corpus
04 igel 無需編寫代碼即可訓練，測試和使用模型
一個令人愉悅的機器學習工具，可讓您無需編寫代碼即可訓練/擬合，測試和使用模型。
該項目的目標是為技術用戶和非技術用戶提供機器學習。
有時我需要一個工具，可以用來快速創(chuàng)建機器學習原型。是構建概念驗證還是創(chuàng)建快速草圖模型來證明這一點。我發(fā)現自己經常被困在編寫樣板代碼和/或想太多如何啟動它。
因此，我決定創(chuàng)建igel。希望它將使技術和非技術用戶更輕松地構建機器學習模型。
igel建立在scikit-learn之上。它提供了一種無需編寫任何代碼即可使用機器學習的簡單方法。
您所需要的只是一個yaml（或json）文件，您需要在其中描述您要執(zhí)行的操作。而已！
Igel支持sklearn的所有機器學習功能，無論是回歸，分類還是聚類。準確地說，您可以在igel中使用63種不同的機器學習模型。
Igel支持數據科學領域中最常用的數據集類型。例如，您的輸入數據集可以是您要獲取的csv，txt，excel表格，json甚至是html文件。所有這些類型均受igel支持。在后臺，igel使用熊貓讀取您的輸入數據集并將其轉換為數據框。
項目的點：
從GUI使用
支持大多數數據集類型（csv，txt，excel，json，html）
支持所有最新的機器學習模型（甚至是預覽模型）
支持不同的數據預處理方法
在編寫配置時提供靈活性和數據控制
支持交叉驗證
支持兩種超參數搜索（版本> = 0.2.8）
支持yaml和json格式
支持不同的sklearn指標以進行回歸，分類和聚類
支持多輸出/多目標回歸和分類
支持多處理并行模型構建
支持模型：
回歸模型 | 分類模型 | 聚類模型 |
LinearRegression | LogisticRegression | KMeans |
Lasso | Ridge | AffinityPropagation |
LassoLars | DecisionTree | Birch |
BayesianRegression | ExtraTree | AgglomerativeClustering |
HuberRegression | RandomForest | FeatureAgglomeration |
Ridge | ExtraTrees | DBSCAN |
PoissonRegression | SVM | MiniBatchKMeans |
ARDRegression | LinearSVM | SpectralBiclustering |
TweedieRegression | NuSVM | SpectralCoclustering |
TheilSenRegression | NearestNeighbor | SpectralClustering |
GammaRegression | NeuralNetwork | MeanShift |
RANSACRegression | PassiveAgressiveClassifier | OPTICS |
DecisionTree | Perceptron | ---- |
ExtraTree | BernoulliRBM | ---- |
RandomForest | BoltzmannMachine | ---- |
ExtraTrees | CalibratedClassifier | ---- |
SVM | Adaboost | ---- |
LinearSVM | Bagging | ---- |
NuSVM | GradientBoosting | ---- |
NearestNeighbor | BernoulliNaiveBayes | ---- |
NeuralNetwork | CategoricalNaiveBayes | ---- |
ElasticNet | ComplementNaiveBayes | ---- |
BernoulliRBM | GaussianNaiveBayes | ---- |
BoltzmannMachine | MultinomialNaiveBayes | ---- |
Adaboost | ---- | ---- |
Bagging | ---- | ---- |
GradientBoosting | ---- | ---- |
項目地址：
https://github.com/nidhaloff/igel
問題是根據農民發(fā)送的圖像估算小麥作物的生長階段。模型必須獲取圖像，并以1（僅顯示作物）到7（成熟作物）的比例輸出顯示的小麥生長階段的預測。
數據集具有兩組標簽：不良和良好的質量，但是測試數據集僅由高質量的標簽組成。首先，不良標簽和良好標簽之間沒有明確的對應關系（良好標簽僅包含5個類別：2、3、4、5、7）。
其次，使用簡單的二進制分類器可以輕松地區(qū)分劣質圖像。因此，它們來自不同的分布。查看這種模型的Grad-CAM可以發(fā)現，兩組圖像之間的主要區(qū)別在于這些白棒（極）：
這就是訓練過程包括兩個步驟的原因：
結合不良和優(yōu)質標簽對模型進行預訓練
僅在優(yōu)質標簽上微調模型
模型超參數：
架構：ResNet101
問題類型：分類
損失：交叉熵
FC退出率：0.3
輸入大?。海?56，256）
預測的概率乘以類別標簽并求和
數據增強：
水平翻轉
隨機亮度對比
ShiftScaleRotate
模仿圖像上的其他白棒（桿）
標簽擴展（以較低的可能性將類標簽更改為鄰居類）
使用水平翻轉作為TTA
訓練過程
預訓練好和壞標簽的混合，共10個時期
微調優(yōu)質標簽，持續(xù)50個時期，降低高原學習率
系統(tǒng)環(huán)境：
OS: Ubuntu 16.04
Python: 3.6
CUDA: 10.1
cudnn: 7
pipenv
項目地址：
https://github.com/ybabakhin/zindi_wheat_growth
06 Vision-Transformer Vision Transformer Tensorflow 2.0實現
盡管Transformer體系結構已成為自然語言處理任務的實際標準，但其在計算機視覺中的應用仍然受到限制。
在視覺上，注意力要么與卷積網絡結合應用，要么用于替換卷積網絡的某些組件，同時保持其整體結構不變。
我們表明，這種對CNN的依賴不是必需的，并且當直接應用于圖像補丁序列時，純轉換器可以很好地執(zhí)行圖像分類任務。
當對大量數據進行預訓練并傳輸到多個識別基準（ImageNet，CIFAR-100，VTAB等）時，與最先進的卷積網絡相比，Vision Transformer可獲得出色的結果，而所需的計算資源卻大大減少訓練。
項目地址：
https://github.com/kamalkraj/Vision-Transformer
07 tormentor 用pytorch增強圖像數據
設計原則
簡化擴充的定義
每個擴充類的每個實例都是確定性的。
輸入和輸出是pytorch張量，而pytorch在所有計算中都更可取。
默認情況下，所有數據均為4D：[批處理x通道x寬度x高度]。
單個樣本擴充：批次大小必須始終為1。
線程安全：每個擴充實例都必須是線程安全的。
輸入/輸出僅限于一個或多個2D圖像通道。
增強要么保留通道，要么保留像素（空間）。
增強類也將其工廠作為類方法
限制對torch和kornia的依賴（至少對于核心軟件包）。
項目地址：
https://github.com/anguelos/tormentor
本文部分素材來源于網絡，如有侵權，聯系刪除。
回顧精品內容
推薦系統(tǒng)
機器學習
自然語言處理(NLP)
1、AI自動評審論文，CMU這個工具可行嗎？我們用它評審了下Transformer論文
2、Transformer強勢闖入CV界秒殺CNN，靠的到底是什么"基因"
計算機視覺(CV)
1、9個小技巧讓您的PyTorch模型訓練裝上“渦輪增壓”...
GitHub開源項目：
1、火爆GitHub！3.6k Star,中文版可視化神器現身
2、兩次霸榜GitHub！這個神器不寫代碼也可以完成AI算法訓練
每周推薦：
1、本周優(yōu)秀開源項目分享：無腦套用格式、開源模板最高10萬贊
七月在線學員面經分享：
1、 雙非應屆生拿下大廠NLP崗40萬offer：面試經驗與路線圖分享