谷歌15个人工智能开源免费项目！
|
速灵活的AutoML，可自主学习。AdaNet是一个基于TensorFlow的轻量级框架，可在最少的专家干预下自动学习高质量的模型。它使用Cortes等AdaNet算法。2017年将学习神经网络的结构作为子网的整体。重要的是，AdaNet提供了一个通用框架，不仅用于学习神经网络体系结构，而且还用于学习集成以获得更好的模型。 2、Auto ML Video On-Device： 使用AutoML视频训练对象检测移动序列模型进行推理。该示例代码显示了如何加载Google Cloud AutoML视频对象跟踪设备上模型以及如何对视频剪辑中的一系列图像进行推断。目标设备是CPU和EdgeTPU。 3、Budou：
适用于中文，日文和韩文(CJK)语言的自动换行工具。Budou会自动将CJK句子转换为具有有意义的块的组织HTML代码，以在网络上提供漂亮的字体。 对VR，游戏，视觉效果，机器人技术，机器学习等的实时碰撞检测和多物理场仿真。Bullet Physics SDK是用便携式C++编写的专业开源库。该库主要用于游戏，视觉效果和机器人仿真等等。该库在zlib许可下可免费用于商业用途。 pybullet是一个易于使用的Python模块，用于物理仿真，机器人技术和机器学习。使用pybullet您可以加载URDF，SDF和其他文件格式的铰接体。pybullet提供正向动力学模拟，逆向动力学计算，正向和逆向运动学以及碰撞检测和射线相交查询。除了物理模拟之外，pybullet还支持渲染，CPU渲染器和OpenGL可视化以及对虚拟现实耳机的支持。 5、CausalImpact： 用于预估设计的干预措施对时间序列的因果影响的统计库。CausalImpactR程序包实现了一种方法，用于估计设计的干预措施对时间序列的因果关系。例如，一个广告系列产生了多少额外的每日点击?当无法进行随机实验时，很难回答这样的问题。该软件包旨在使用结构贝叶斯时间序列模型来解决此难题，以估计如果干预未发生，干预后干预指标可能如何演变。 6、Darwin Neuroevolution Framework： 神经进化和进化算法框架。达尔文(Darwin)是一个旨在使神经进化实验变得简单，快速和有趣的框架。它提供了构建基块，示例和工具，从而避免了研究新思想所需的重复(且可能是复杂的)支架。 7、DeepMind Lab：
可定制的3D平台，用于基于代理的AI研究。DeepMind Lab是一个第一人称3D游戏平台，旨在研究和开发通用人工智能和机器学习系统。它提供 （编辑：漯河站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
