机器学习文章精选：案例研究，指南和2020年4月的研究

我们将继续选择有助于降低进入ML领域门槛的出版物。和以前一样，它主要编译开源工具，预训练的模型和高级API。

Blender

Facebook AI推出了最大的开源聊天机器人Blender。它基于具有94亿参数的模型，这使其成为现有的最大系统。这是第一个在一个系统中结合了多种会话技巧的开放域聊天机器人：它能够表达同理心并表现出个性。该研究的作者认为，Blender在各个方面都比Meena更好，Google在今年早些时候宣布了Meena ，但尚未得到证实。

背景遮罩

机器学习通常用于从图像中删除背景。如果使用静态图像，效果一直很不错，甚至还有诸如remove.bg之类的整个服务，现在也可以通过视频实现–不再需要抠像键！出现了一个免费工具，可以很好地删除视频中的背景。为了获得理想的结果，您需要在没有人的情况下拍摄背景图片，然后机器学习算法发挥作用。结果是惊人的，在出版物中您可以看到基准。



去遮挡

现有的机器学习算法只能分析对象的可见部分。这导致对场景的不完整解释。
现在开源框架已经出现，它可以补充图像中对象的视图片段中隐藏的内容。该工具基于未经老师培训的模型。



TensorFlow Profiler

性能是机器学习研究的关键因素。训练模型的速度越快，可以进行的迭代就越多，从而减少了开销。这在工业发展中非常重要。但是，并不总是很清楚应该优化什么，而且寻找狭窄的脖子还需要时间。现在，对于TensorFlow，有一套旨在解决此问题的工具。

量化噪音

现代机器学习模型变得越来越庞大，并且包含数百万个参数。但是，迫切需要在较弱的设备上运行这些模型。为了解决这一矛盾，出现了一种开源工具，该工具可以最大程度地压缩模型，而几乎不会降低性能。将来，这将使您能够在移动设备和IoT芯片组上本地运行应用程序。

TensorFlow Lite

但是，已经有许多模型针对弱设备进行了优化。该出版物展示了没有机器学习经验的人如何使用TensorFlow Lite组装完整的产品。存储库中的锻炼前模型数量在不断补充，因此没有什么可以阻止您现在创建移动应用程序，而在移动应用程序的核心将是机器学习模型。

样式转移

还记得Prisma应用程序，它使用神经网络将艺术样式转移到用户的照片上吗？您现在不会感到惊讶，但是现在您可以组装自己的Android和iOS棱镜。该出版物描述了如何针对不那么强大的移动设备支持TensorFlow lite对该技术进行优化。顺便说一下，4月，相同的功能出现在Google Arts＆Culture应用中。



奖励：

斯坦福大学在2018年发布了一个开放获取讲座课程，现在可以在Youtube上观看。

而不是得出结论：

基于3月选择的库，我们整理了一个小项目，可让您使用普通的网络摄像头控制网络界面，并对其进行了详细讨论在哈布雷。也许本系列中的工具也会激发一些读者提出一些实际问题的解决方案。了解这一点将是很棒的。同时，仅此而已，谢谢您的关注！