推薦?10?個(gè)飽受好評(píng)且功能獨(dú)特的開(kāi)源人工智能項(xiàng)目。

關(guān)于人工智能的項(xiàng)目，相信大家都看過(guò)或者用過(guò)不少了，但它們的大多數(shù)看上去都十分“高大上”，讓人感覺(jué)要掌握他們猶如習(xí)屠龍之術(shù)一樣。事實(shí)上，有很多關(guān)于人工智能的項(xiàng)目還是十分實(shí)用的，而且用途還十分有趣，下面就簡(jiǎn)單為大家盤(pán)點(diǎn)?10?個(gè)功能獨(dú)特的開(kāi)源人工智能項(xiàng)目。

STYLE2PAINTS：強(qiáng)大的為線稿上色的?AI

項(xiàng)目地址：https://www.oschina.net/p/style2paints

推薦理由：新一代的強(qiáng)大線稿上色?AI，可根據(jù)用戶上傳的自定義色彩給線稿進(jìn)行上色。項(xiàng)目提供了在線使用網(wǎng)站，十分方便使用。

SerpentAI：教?AI?打游戲的學(xué)習(xí)框架

項(xiàng)目地址：https://www.oschina.net/p/serpentai

推薦理由：SerpentAI?旨在為機(jī)器學(xué)習(xí)和?AI?研究提供一個(gè)有價(jià)值的工具。但同時(shí)，對(duì)于愛(ài)好者來(lái)說(shuō)，它也是非常有趣的。

Synaptic.js：用于瀏覽器的神經(jīng)網(wǎng)絡(luò)庫(kù)

項(xiàng)目地址：https://www.oschina.net/p/synapticjs

推薦理由：Synaptic.js?是一個(gè)用于?node.js?和瀏覽器的?JavaScript?神經(jīng)網(wǎng)絡(luò)庫(kù)，可以構(gòu)建和訓(xùn)練基本上任何類型的一階甚至二階神經(jīng)網(wǎng)絡(luò)。

該項(xiàng)目?jī)?nèi)置了?4?種經(jīng)典的神經(jīng)網(wǎng)絡(luò)算法：多層感知器（multilayer?perceptrons）、長(zhǎng)短期記憶網(wǎng)絡(luò)（multilayer?long-short?term?memory?networks）、液體狀態(tài)機(jī)（Liquid?State?Machine）、Hopfield神經(jīng)網(wǎng)絡(luò)。使用?Synaptic.js?，你可以輕松測(cè)試和比較不同體系結(jié)構(gòu)的性能。

Snake-AI：貪吃蛇游戲的人工智能?

項(xiàng)目地址：https://www.oschina.net/p/snake-ai

推薦理由：一個(gè)用?C/C++?語(yǔ)言編寫(xiě)的貪吃蛇游戲的人工智能。使用了最短路徑、最長(zhǎng)路徑、人工智能算法。

AI?的目的是讓蛇盡可能的吃更多的食物，直到吃滿整個(gè)地圖。

Demo：

Uncaptcha

項(xiàng)目地址：https://www.oschina.net/p/uncaptcha

推薦理由：破解?reCAPTCHA?系統(tǒng)的?AI?算法。unCAPTCHA?算法以?85%?的成功率擊敗了?Google?reCAPTCHA?系統(tǒng)。它依靠音頻驗(yàn)證碼攻擊?-?使用瀏覽器自動(dòng)化軟件來(lái)解析必要的元素并識(shí)別語(yǔ)音號(hào)碼，并以編程方式傳遞這些數(shù)字，最終成功欺騙目標(biāo)網(wǎng)站。

Sockeye：神經(jīng)機(jī)器翻譯框架

項(xiàng)目地址：https://www.oschina.net/p/sockeye

推薦理由：Sockeye?是一個(gè)基于?Apache?MXNet?的快速而可擴(kuò)展的深度學(xué)習(xí)庫(kù)。

Sockeye?代碼庫(kù)具有來(lái)自?MXNet?的獨(dú)特優(yōu)勢(shì)。例如，通過(guò)符號(hào)式和命令式?MXNet?API，Sockeye?結(jié)合了陳述式和命令式編程風(fēng)格；它同樣可以在多塊?GPU?上并行訓(xùn)練模型。

Sockeye?實(shí)現(xiàn)了?MXNet?上當(dāng)前最佳的序列到序列模型。它同樣為所有序列到序列模型的超參數(shù)提供恰當(dāng)?shù)哪J(rèn)值。對(duì)于優(yōu)化，無(wú)需擔(dān)心停止標(biāo)準(zhǔn)、指標(biāo)跟蹤或者權(quán)重初始化?？梢院?jiǎn)單地運(yùn)行已提供的訓(xùn)練命令行界面（CLI），也可以輕易改變基礎(chǔ)模型架構(gòu)。

PHP-ML：PHP?機(jī)器學(xué)習(xí)庫(kù)

項(xiàng)目地址：https://www.oschina.net/p/php-ml

推薦理由：我們都知道?Python?或者是?C++?提供了更多機(jī)器學(xué)習(xí)的庫(kù)，但他們大多都比較復(fù)雜，配置起來(lái)讓很多新手感到頭疼。

PHP-ML?這個(gè)機(jī)器學(xué)習(xí)庫(kù)雖然沒(méi)有特別高大上的算法，但其具有最基本的機(jī)器學(xué)習(xí)、分類等算法，小項(xiàng)目或者小公司做一些簡(jiǎn)單的數(shù)據(jù)分析、預(yù)測(cè)等等足以夠用。

PHP-ML?是使用?PHP?編寫(xiě)的機(jī)器學(xué)習(xí)庫(kù)。同時(shí)包含算法，交叉驗(yàn)證，神經(jīng)網(wǎng)絡(luò)，預(yù)處理，特征提取等。

CycleGAN：生成對(duì)抗網(wǎng)絡(luò)圖像處理工具

項(xiàng)目地址：https://www.oschina.net/p/cyclegan

推薦理由：這個(gè)工具功能十分強(qiáng)大，不僅可將繪畫(huà)作品“還原”成照片（可理解為是一個(gè)?“反濾鏡”），還能將夏天轉(zhuǎn)換成冬天，或?qū)⑵胀ǖ鸟R轉(zhuǎn)化成斑馬。

與其它人工智能繪畫(huà)不同，CycleGAN?的研究團(tuán)隊(duì)試圖建立一個(gè)可雙向轉(zhuǎn)化不丟失信息的雙向算法。

在?CycleGAN?里照片的細(xì)節(jié)被要求完全保留，研究人員希望能夠?qū)⒁粡垐D片輸入?CycleGAN?后進(jìn)行多次反復(fù)轉(zhuǎn)化（照片繪畫(huà)照片繪畫(huà)照片），最終可以獲得與原始照片相同或相近的圖片。

DeepLearn.js：加速硬件的機(jī)器學(xué)習(xí)JS庫(kù)

項(xiàng)目地址：https://www.oschina.net/p/deeplearn-js

DeepLearn.js?是谷歌推出的一個(gè)可用于機(jī)器智能并加速?WebGL?的開(kāi)源?JavaScript?庫(kù)，完全在瀏覽器中運(yùn)行，不需要安裝，不需要后端處理。

DeepLearn.js?提供高效的機(jī)器學(xué)習(xí)構(gòu)建模塊，使我們能夠在瀏覽器中訓(xùn)練神經(jīng)網(wǎng)絡(luò)或在推斷模式中運(yùn)行預(yù)訓(xùn)練模型。它提供構(gòu)建可微數(shù)據(jù)流圖的?API，以及一系列可直接使用的數(shù)學(xué)函數(shù)。

雖然瀏覽器上的機(jī)器學(xué)習(xí)庫(kù)已經(jīng)存在多年（例如?Andrej?Karpathy?的?convnetjs），但是它們受到?JavaScript?速度的限制，或者局限于推理而不能用于訓(xùn)練（例如?TensorFire）。

相比之下，deeplearn.js?通過(guò)利用?WebGL?在GPU上執(zhí)行計(jì)算，以及進(jìn)行完全反向傳播（full?backpropagation）的能力，實(shí)現(xiàn)了顯著的加速。

TensorFire：瀏覽器端神經(jīng)網(wǎng)絡(luò)框架?

項(xiàng)目地址：https://www.oschina.net/p/tensorfire

推薦理由：TensorFire?是基于?WebGL?的，運(yùn)行在瀏覽器中的神經(jīng)網(wǎng)絡(luò)框架。使用?TensorFire?編寫(xiě)的應(yīng)用能夠在實(shí)現(xiàn)前沿深度學(xué)習(xí)算法的同時(shí)，不需要任何的安裝或者配置就直接運(yùn)行在現(xiàn)代瀏覽器中。

與之前某些瀏覽器內(nèi)的神經(jīng)網(wǎng)絡(luò)框架相比，TensorFire?有著近百倍的速度提升，甚至于能夠與那些運(yùn)行在本地?CPU?上的代碼性能相媲美。

開(kāi)發(fā)者也可以使用?TensorFire?提供的底層接口來(lái)進(jìn)行其他的高性能計(jì)算，譬如?PageRank、元胞自動(dòng)機(jī)仿真、圖片轉(zhuǎn)化與過(guò)濾等等。

一鍵三連了解更多AI項(xiàng)目！~