最近，Mybridge釋出了一篇文章，對比了過去一年中機器學習領域大約8800個開源專案後，選出30個2017年度優秀的開源專案，包含機器學習開源庫、資料庫以及其他應用程式，這些專案差不多都是在2017年1-12月釋出。MybridgeAI通過受歡迎度、參與度以及其他方面對開源專案進行評定。

      對於機器學習者來說，閱讀開原始碼並基於程式碼構建自己的專案，是一個非常有效的學習方法。看看以下這些Github上平均star為3558的開源專案，你錯了哪些？

在開始之前，先推薦閱讀：

A. 神經網路：深度學習 A-ZTM : 親手搭建人工神經網路（推薦次數68,745 , 4.5/5 stars）

連結：http://bit.ly/2CH1WcQ

B. 用Python進行深度學習的TensorFlow的完整指南（推薦次數17,834, 4.6/5 stars）

連結：http://bit.ly/2EatVy7

接下來是Mybridge精選的Top30的專案：

1. FastText：快速文字表示和文字分類庫（Github上有11786顆星，貢獻者Facebook Research）

原始碼連結：https://github.com/facebookresearch/MUSE 

2. Deep-photo-styletransfer：“Deep Photo StyleTransfer” 這篇論文的原始碼和資料。（GitHub 9747顆星，論文來自於康奈爾大學的Fujun Luan）

原始碼連結：https://github.com/luanfujun/deep-photo-styletransfer

3. 用Python和命令列來實現的最簡單的面部識別API（GitHub 8672顆星，貢獻者Adam Geitgey）

原始碼連結：https://github.com/ageitgey/face_recognition

4. Magenta:利用機器智慧生成音樂和美術藝術品（GitHub 8113顆星）

原始碼連結：https://github.com/tensorflow/magenta

5. Sonnet：基於TensorFlow的神經網路庫（GitHub 573顆星，貢獻者是DeepMind的Malcolm Reynolds ）

原始碼連結：https://github.com/deepmind/sonnet

6. deeplearn.js： 一個用於Web的硬體加速機器學習庫（GitHub 5462顆星，貢獻者是Google Brain的Nikhil Thorat）

原始碼連結：https://github.com/PAIR-code/deeplearnjs

7. 基於TensorFlow的快速風格遷移庫（GitHub 4843顆星，貢獻者是MIT的Logan Engstrom）

原始碼連結：https://github.com/lengstrom/fast-style-transfer

8. Pysc2: 星際爭霸2學習環境（GitHub3684顆星，貢獻者是DeepMind的Timo Ewalds）

原始碼連結：https://github.com/deepmind/pysc2

9. AirSim： Microsoft AI & Research開源的基於虛幻引擎的開源模擬器，用於自動駕駛（GitHub 3861顆星，貢獻者是Microsoft的Shital Shah）

原始碼連結：https://github.com/Microsoft/AirSim

10. acets: 機器學習資料集的視覺化工具（GitHub 3371顆星，由Google Brain貢獻）

原始碼連結：https://github.com/PAIR-code/facets

11. Style2Paints：用AI技術為線稿快速上色的工具（GitHub 3310顆星）

原始碼連結：https://github.com/lllyasviel/style2paints

12. Tensor2Tensor：一個用於廣義序列-序列模型的庫 - Google Research（GitHub 3087顆星，貢獻者是Google Brain的Ryan Sepassi）

原始碼連結：https://github.com/tensorflow/tensor2tensor

13. 基於Pytorch實現的圖片-圖片轉換（GitHub2847顆星，貢獻者Berkeley的Jun-Yan Zhu,Ph.D）

原始碼地址：https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix

14. Faiss：用於密集向量的高效相似性搜尋庫和聚類的庫（GitHub 2629顆星，貢獻者Facebook Research）

原始碼地址：https://github.com/facebookresearch/faiss

15. Fashion-minist：類似於MNIST的時尚產品資料集（GitHub 2780顆星，貢獻者是Zalando Tech的Han Xiao）

原始碼連結：https://github.com/zalandoresearch/fashion-mnist

16. ParlAI： 一個可用在各種公開可用的對話資料集上訓練和評估AI模型的框架（GitHub 2578顆星，貢獻者是Facebook 的Alexander Miller）

原始碼連結：https://github.com/facebookresearch/ParlAI

17. Fairseq：Facebook AI Research的序列-序列工具包（GitHub 2571顆星）

原始碼連結：https://github.com/facebookresearch/fairseq

18. Pyro：基於Python和PyTorch的深度通用概率程式設計（GitHub 2387顆星，貢獻者Uber Engineering）

原始碼連結：https://github.com/uber/pyro

19. iGAN：基於GAN的互動式影象生成（GitHub2369顆星）

原始碼地址：https://github.com/junyanz/iGAN

20. Deep-image-prior：用神經網路恢復影象（GitHub2188顆星，貢獻者是Skoltech的DmitryUlyanov, Ph.D）

原始碼地址：https://github.com/DmitryUlyanov/deep-image-prior

21. 人臉分類：基於 Keras CNN 模型與 OpenCV ，使用fer2013/imdb 資料集進行實時面部檢測和表情/性別分類（GitHub 1967顆星）

原始碼地址：https://github.com/oarriaga/face_classification

22. Speech-to-Text-WaveNet：使用DeepMind的WaveNet和TensorFlow進行端到端句級英語語音識別（GitHub 1961顆星，貢獻者是Kakao Brain的Namju Kim）

原始碼地址：https://github.com/buriburisuri/speech-to-text-wavenet

23. StarGAN: 用於多域影象-影象轉化的統一生成對抗網路（GitHub 1954顆星，貢獻者Korea University的Yunjey Choi）

原始碼地址：https://github.com/yunjey/StarGAN

24. MI-agents：Unity機器學習代理（GitHub 1658顆星，貢獻者Unity3D的Arthur Juliani）

原始碼地址：https://github.com/Unity-Technologies/ml-agents

25. DeepVideoAnalytics：一個分散式視覺化搜尋和資料分析平臺（GitHub1494顆星，貢獻者是Cornell University 的AkshayBhat）

原始碼地址：https://github.com/AKSHAYUBHAT/DeepVideoAnalytics

26. OpenNMT：Torch上的開源神經機器翻譯工具包（GitHub 1490顆星）

原始碼地址：https://github.com/OpenNMT/OpenNMT

27. Pix2pixHD: 用條件GAN合成和處理2048×1024的影象（GitHub1283顆星，貢獻者是英偉達科學家 Ming-Yu Liu）

原始碼地址：https://github.com/NVIDIA/pix2pixHD

28. Horovod：TensorFlow 布式 訓練框架（GitHub 1188 顆星，貢獻者來自Uber ）

原始碼地址：https://github.com/uber/horovod

29. AI-Blocks： 一個強大而直觀的所見即所得介面，可讓任何人建立機器學習模型（GitHub 899顆星）

原始碼地址：https://github.com/MrNothing/AI-Blocks

30. Tensorflow實現的用於語音風格轉換的深度神經網路（GitHub845顆星，貢獻者是Kakao Brain AI團隊的DabiAhn）

原始碼地址：https://github.com/andabi/deep-voice-conversion 

原文連結：