主要發現

     相對於2016年的報告，2018年《Top 20 Python AI and Machine Learning projects on Github》報告主要有如下幾個變化：

• 從貢獻者（Contributors）的基數看，Tensorflow已上升至排名第一；Scikit-learn下降至第二，但其貢獻者基數仍很大。
  

• 從貢獻者數量的增長率看，增長最快的專案分別為：TensorFlow(169%)、Deap（86%）、Chainer（83%）、Gensim（81%）、Neon（66%）、Nilearn（50%）

• 2018年的新專案：Keras（貢獻者數：629）和PyTorch（貢獻者數：399）。

      圖中，點的【大小】代表的是貢獻者數量的絕對值；【顏色】代表的是貢獻者數量的變化：紅色越高，藍色越低；【形狀】代表的是專案型別：雪花為深度學習專案。

• TensorFlow：最初由Google Brain Team研發，旨在促進機器學習方面的科學研究，並使研究原型轉換為生產系統變得快速簡單。Contributors: 1324 (增長168% ), Commits: 28476, Stars: 92359. Github URL: Tensorflow  

• Scikit-learn：建立在NumPy，SciPy和matplotlib等的Python機器學習包。Contributors: 1019 (增長39% ), Commits: 22575, Github URL: 

  Scikit-learn

• Keras：可以執行在TensorFlow，CNTK或Theano上的一種高層神經網路API。Contributors: 629 (new), Commits: 4371, Github URL: Keras.  

• PyTorch：支援GPU加速的張量和動態神經網路。Contributors: 399 (new), Commits: 6458, Github URL: pytorch. 

• Theano：支援以較高的效率定義，優化和評估涉及多維陣列的數學表示式。Contributors: 327 (24% up), Commits: 27931, Github URL: Theano 

• Gensim ：一種支援可擴充套件的統計語義，分析用於語義結構的文字文件，檢索語義相似的文件等功能的Python庫。Contributors: 262 (81% up), Commits: 3549, Github URL: Gensim  

• Caffe：由伯克利視覺和學習中心（BVLC）和社群貢獻者開發的深度學習框架  Contributors: 260 (21% up), Commits: 4099, Github URL: Caffe

• Chainer：一種獨立的深度學習框架，以較為靈活，直觀和高效能的方式實現了多種深度學習模型，其中包括最新的模型，如遞迴神經網路和變分自動編碼器。Contributors: 154 (84% up), Commits: 12613, Github URL: Chainer

• Statsmodels：實現統計學基本功能的模組，Contributors: 144 (33% up), Commits: 9729, Github URL: Statsmodels 

• Shogun：一種機器學習工具箱，以統一與高效的方式實現了機器學習方法，方便整合多種資料表示、演算法型別和通用工具。Contributors: 139 (32% up), Commits: 16362, Github URL: Shogun 

• Pylearn2：一種是一個機器學習庫，其大部分功能都建立在Theano之上，支援使用數學表示式編寫Pylearn2外掛（新模型，演算法等）。Contributors: 119 (3.5% up), Commits: 7119, Github URL: Pylearn2 

• NuPIC：基於一種叫做分層時間儲存器（Hierarchical Temporal Memory，HTM）的新大腦皮層理論的探索型專案，目前仍在不斷探索和擴充套件之中。Contributors: 85 (12% up), Commits: 6588, Github URL: NuPIC 

• Neon：Nervana提供的基於Python的深度學習庫，其易用性和效能均為較高。Contributors: 78 (66% up), Commits: 1112, Github URL: Neon 

• Nilearn ：一種用於在NeuroImaging資料上進行統計學習的Python模組，它利用scikit-learn Python工具箱進行多變數統計，並提供預測建模，分類，解碼或連線分析等應用。 Contributors: 69 (50% up), Commits: 6198, Github URL: Nilearn  

• Orange3：一種新手和專家均可以使用的機器學習和資料視覺化工具箱，支援互動式資料分析。Contributors: 53 (33% up), Commits: 8915, Github URL: Orange3

• Pymc: 一種實現貝葉斯統計模型和擬合算法的Python模組，包括馬爾可夫鏈蒙特卡羅。Contributors: 39 (5.4% up), Commits: 2721, Github URL: Pymc  

• Deap：一種用於快速原型設計和測試思想的新型演化計算框架。它試圖使演算法明確，資料結構透明，與多處理和SCOOP等並行機制較好地整合。 Contributors: 39 (86% up), Commits: 1960, Github URL: Deap 

• Annoy（Approximate Nearest Neighbors Oh Yeah）：一種用於搜尋接近給定查詢點的空間點。 它還可以建立對映到記憶體的大型只讀基於檔案的資料結構，以便多個程序可以共享相同的資料。 Contributors: 35 (46% up), Commits: 527, Github URL: Annoy

• PyBrain：一種模組化的機器學習庫，使用簡單，支援使用者測試和分析自己的演算法。 Contributors: 32 (3% up), Commits: 992, Github URL: PyBrain

• Fuel：一種資料管道式框架，不僅提供機器學習演算法，而且還提供所需資料，將由Blocks和Pylearn2神經網路庫使用。 Contributors: 32 (10% up), Commits: 1116, Github URL: Fuel 

∞∞∞∞∞

公眾號回覆“機器學習”，

邀你加入{ IT派AI機器學習群 }