雷鋒網(wǎng) AI 研習(xí)社按：對(duì)于開發(fā)者來講，證明其編程能力最好的方式是展示他們的項(xiàng)目和代碼。雷鋒網(wǎng) AI 研習(xí)社本周從 YouTube、知乎以及 Github 官網(wǎng)上搜羅了數(shù)個(gè)與 AI 相關(guān)的開源項(xiàng)目，為 AI 開發(fā)者的設(shè)計(jì)提供參考。這些項(xiàng)目涉及自動(dòng)化前端開發(fā)、中文近義詞處理以及火熱的比特幣等領(lǐng)域，詳細(xì)信息和具體代碼實(shí)現(xiàn)請(qǐng)閱讀下文。

如果你對(duì)自己的 AI 項(xiàng)目有足夠的自信，同時(shí)也希望更多的開發(fā)者參與到你的項(xiàng)目中，歡迎將項(xiàng)目的 Github 鏈接發(fā)給雷鋒網(wǎng) AI 研習(xí)社，說不定下一期推薦的就是你的項(xiàng)目。

用深度學(xué)習(xí)預(yù)測(cè)虛擬貨幣價(jià)格 —— ethereum_future

Github 地址：https://github.com/llSourcell/ethereum_future

這是 Youtube 網(wǎng)紅小哥 Siraj Raval 「Ethereum Future Price Prediction」視頻的代碼，視頻 B 站鏈接：https://www.bilibili.com/video/av18466563/。

該項(xiàng)目用深度學(xué)習(xí)的方法預(yù)測(cè)比特幣的走勢(shì)，Siraj Raval 小哥也在視頻里說了，這套模型還可以用來預(yù)測(cè)任何 Altcoin。看來現(xiàn)在的礦工們都應(yīng)該學(xué)點(diǎn)機(jī)器學(xué)習(xí)了。

基于神經(jīng)網(wǎng)絡(luò)的自動(dòng)化前端開發(fā) —— Screenshot-to-code-in-Keras

Github 地址：https://github.com/emilwallner/Screenshot-to-code-in-Keras

目前，自動(dòng)化前端開發(fā)最大的障礙是計(jì)算能力，不過，我們可以用深度學(xué)習(xí)算法和數(shù)據(jù)訓(xùn)練來探索自動(dòng)化前端設(shè)計(jì)。該項(xiàng)目是本周 Github Trending 第一名，神經(jīng)網(wǎng)絡(luò)通過深度學(xué)習(xí)，自動(dòng)把設(shè)計(jì)稿變成 HTML 代碼。該軟件的作者表示三年內(nèi)深度學(xué)習(xí)將改變前端開發(fā)，加快原型構(gòu)建的速度并降低軟件開發(fā)門檻。

中文近義詞工具包：Synonyms

Github 地址：https://github.com/huyingxi/Synonyms

可以用于自然語言理解的很多任務(wù)：文本對(duì)齊，推薦算法，相似度計(jì)算，語義偏移，關(guān)鍵字提取，概念提取，自動(dòng)摘要，搜索引擎等。兼容 py2 和 py3，當(dāng)前穩(wěn)定版本 v2.1。

優(yōu)化神經(jīng)網(wǎng)絡(luò)使用的內(nèi)存 gradient-checkpointing

Github 地址：https://github.com/openai/gradient-checkpointing

訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)需要占用大量的內(nèi)存，用 Tim Salimans 和 Yaroslav Bulatov 共同開發(fā)的這套工具，可以權(quán)衡內(nèi)存的使用情況，使你的模型更加容易地適配內(nèi)存。對(duì)于前饋模型（feed-forward models），我們能將大 10 倍以上的模型放進(jìn) GPU 里，而計(jì)算時(shí)間僅增加 20%。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。