知識星球
在碎片化閱讀充斥眼球的時代，越來越少的人會去關註每篇論文背後的探索和思考。
在這個欄目裡，你會快速 get 每篇精選論文的亮點和痛點，時刻緊跟 AI 前沿成果。
點選本文底部的「閱讀原文」即刻加入社群，檢視更多最新論文推薦。
DeepPavlov
#對話系統訓練開源庫
DeepPavlov 是一個基於 TensorFlow 和 Keras 的智慧對話庫，其主要用途在於推動 NLP 和對話系統的研究，提升複雜對話系統的實現和評價效果。
DeepPavlov 可為研究者提供：
-
用於實現和測試對話模型的框架
-
一系列預訓練的 NLP 模型、預定義的對話系統元件（機器學習/深度學習/規則系統）和流程模板
-
對話模型的基準測試環境和對相關資料集的統一訪問
DeepPavlov 可為 AI 應用開發者提供：
-
用於構建對話應用軟體的框架
-
將應用與相關基礎工具（即時通訊、服務支援軟體等）加以整合的工具包
#深度學習框架隨心切換
MMdnn 由微軟開源，可將不同框架訓練的深度神經網路模型進行轉換，使之適配其他框架。該工具包目前已支援 Caffe、Keras、MXNet、Tensorflow、CNTK、PyTorch 和 CoreML。
MMdnn 具有如下特點：
-
模型檔案轉換，轉換深度神經網路模型使之適配各種不同框架
-
模型程式碼片段生成，生成適合不同框架的訓練或推斷程式碼塊
-
模型視覺化，針對不同框架視覺化深度神經網路模型網路架構和引數
Age and Gender Estimation
#用CNN測算性別和年齡
本專案是一個基於 Keras 框架實現的 CNN 模型，用於根據人臉照片測算年齡和性別。
#用深度學習對對聯
Couplet 是一個基於 Seq2Seq 的對聯生成工具，本專案基於 TensorFlow。
Demo: https://ai.binwang.me/couplet/
#用強化學習控制火箭著陸
本專案是 Siraj Raval 在 YouTube 上釋出的強化學習教學影片對應程式碼，如何在 Gym 模擬器裡用強化學習控制 SpaceX 獵鷹重型火箭著陸。
#簡單方便的Caffe C++介面
CC4.0 是一個可用於 Windows 系統的 Caffe 庫，簡單的 Caffe C++ 介面，方便簡單而更深入地研究深度學習。
專案特性如下：
-
只需要一個頭檔案和一個依賴項 libcaffe.lib
-
能夠輕易使用 C++ 寫訓練過程或呼叫過程
-
能夠輕易自定義 layer，不用編譯 Caffe 也不用修改 caffe.proto，只修改程式碼即可使用。自己實現資料層，不需要 lmdb 也能高效率訓練
-
能夠在訓練過程中對自定義 layer 進行除錯檢視中間結果
-
支援 LSTM 不定長 OCR（有案例），支援 SSD 更輕易地進行訓練
-
有了 4.0 的支援，能夠輕易實現任何新的網路結構
-
允許透過自定義層在訓練中檢視訓練效果，更易於理解 CNN 的學習效果
#序列化標註工具
SLTK 是一個序列化標註工具，實現了 Bi-LSTM-CRF 模型，並利用 PyTorch 實現了高效的資料載入模組，可以完成：
-
預處理：包括構建詞表、label 表，從預訓練檔案構建 word embedding
-
訓練：訓練序列化標註模型，並儲存在開發集上效能最好的一次模型
-
測試：對新的實體進行標註
#標的檢測資料集標註工具
本專案是一個標的檢測資料集標註工具，採用 Python-flask 框架開發，基於 B/S 方式互動，支援多人同時標註。
專案特點如下：
-
B/S 方式互動
-
支援多人同時標註（可分配不同標註人員的標註範圍，或不同人員標註不同類別）
-
類別採用選擇方式，免去手工輸入類別工作
-
支援拖拽方式修正標註區域
-
支援鍵盤方向鍵切換標註樣本
#多檔案主題聚類
TopiCluster 是一個基於 Kmeans 與 Lda 模型的多檔案主題聚類。輸入多篇檔案，輸出每個主題的關鍵詞與相應文字，可用於主題發現與熱點分析。
本文由 AI 學術社群 PaperWeekly 精選推薦，社群目前已改寫自然語言處理、計算機視覺、人工智慧、機器學習、資料挖掘和資訊檢索等研究方向，點選「閱讀原文」即刻加入社群！
#榜 單 公 布 #
2017年度最值得讀的AI論文 | NLP篇 · 評選結果公佈
2017年度最值得讀的AI論文 | CV篇 · 評選結果公佈
我是彩蛋
解鎖新功能：熱門職位推薦！
PaperWeekly小程式升級啦
今日arXiv√猜你喜歡√熱門職位√
找全職找實習都不是問題
解鎖方式
1. 識別下方二維碼開啟小程式
2. 用PaperWeekly社群賬號進行登陸
3. 登陸後即可解鎖所有功能
職位釋出
請新增小助手微信（pwbot01）進行諮詢
長按識別二維碼，使用小程式
*點選閱讀原文即可註冊
關於PaperWeekly
PaperWeekly 是一個推薦、解讀、討論、報道人工智慧前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號後臺點選「交流群」，小助手將把你帶入 PaperWeekly 的交流群裡。
▽ 點選 | 閱讀原文 | 加入社群刷論文