过去5年最受欢迎机器学习论文+代码速查_caffe是一个深度学习框架,在()下开源)

在阅读一篇论文时，我们很自然地想看看论文中提出的算法和模型实现的代码。然而，机器学习领域虽然有开源的优良传统，但提出新算法的最新论文中，真正公开算法代码的着实不多，找到对应论文的相关代码库也不容易。

去年在AAAI会议上，挪威一名计算机科学家报告了一项调查的结果：过去几年发表的AI顶会论文提出的400种算法中，只有6％的研究者公开了算法的代码。另外，只有三分之一的人分享了他们测试算法的数据，而只有一半分享了“伪代码”。

CREDITS: (GRAPHIC) E. HAND/SCIENCE; (DATA) GUNDERSEN AND KJENSMO, ASSOCIATION FOR THE ADVANCEMENT OF ARTIFICIAL INTELLIGENCE 2018

via新智元报道：【AI幽灵】超90%论文算法不可复现，你为何不愿公开代码？

现在，有一个找到论文代码的“神器”出现了。Reddit用户rstoj做了一个网站，将ArXiv上的最新机器学习论文与GitHub上的代码（TensorFlow/PyTorch/MXNet /等）对应起来。你可以按标题关键词查询，也可以按流行程度、GitHub星星数排列“热门研究”。这个网站能让你跟上ML社区流行的最新动态。

网站地址：https://paperswithcode.com/

这个项目索引了大约5万篇论文（最近5年发布在arxiv上的论文）和1万个GitHub库。网站刚刚上线，功能还有些单一，作者表示未来还将增加标签索引、链接媒体文章和教程等功能。以下介绍按GitHub星星数排列的Top 10研究，来先睹为快吧！

1. Caffe：一个快速、开源的深度学习框架

star：24,596

代码：https://github.com/BVLC/caffe

论文：http://arxiv.org/abs/1408.5093v1

Caffe 是一个深度学习框架，在设计时将表达式、速度和模块化考虑在内。这个热门的计算机视觉框架由 Berkeley AI Research（BAIR）和社区贡献者开发。贾扬清在UC Berkeley博士期间创建了这个项目。Caffe 可为学术研究项目、新创公司原型和大规模行业应用程序提供强大的视觉、语音和多媒体支持。

Caffe是一个采用BSD许可证发布的C ++库，使用Python和MATLAB绑定，可在商用架构上有效训练和部署通用卷积神经网络和其他深层模型。Caffe通过CUDA GPU计算满足行业和互联网规模的媒体需求，在单个K40或Titan GPU上，媒体处理超过4000万张图像。

2. Neural Style：神经风格转换算法

A Neural Algorithm of Artistic Style

star：15,840

代码：https://github.com/jcjohnson/neural-style

论文：http://arxiv.org/abs/1508.06576v2

在艺术，特别是绘画中，人类已经掌握了通过图像风格来创造独特的视觉体验的技巧。在这篇论文中，研究人员提出一种算法，用卷积神经网络将一幅图像的内容与另一幅图像的风格进行组合。下面是一个将梵高《星夜》的艺术风格转移到斯坦福大学校园夜景的照片中的效果：

3. Detectron

star：14,795

代码：https://github.com/facebookresearch/detectron

论文：http://arxiv.org/abs/1703.06870v3

Detectron是Facebook AI Research（FAIR）的物体检测研究平台，

>>>>阅读全文