olivia 一个采用神经网络构建类似 Siri 的开源语音助手，目前只支持英文。开源的语音助手并不多，而且涉及的问题很复杂，现在有了它就可以基于这个项目做一些有趣的小应用

凯拉斯·夏普 注意：该项目即将被归档。 为了更好的替换，请查看或 。 欢呼快乐，编码愉快！ 塞萨尔 正在进行的一项工作是将大多数Keras深度学习库移植到C＃。 欢迎来到Keras＃项目！ 我们的目标是在C＃中引入与体验兼容的类似Keras的API，这意味着，如果您已经了解Keras，则无需学习任何新概念即可使用Keras＃进行安装和运行。 这是Keras项目的直接逐行端口，这意味着当前发送到Keras主项目的所有更新和修补程序都应简单明了地应用于该分支。 与最初的项目一样，我们旨在同时支持TensorFlow和CNTK-但不支持Theano，因为该于2017年。 例 考虑下面，如下所示

Rubix ML：PHP的机器学习一个用于PHP语言的高级机器学习和深度学习库。 开发人员友好的API易于使用且令人愉悦模块化体系结构结合了功能，灵活性和Rubix ML：PHP的机器学习一个适用于PHP语言的高级机器学习和深度学习库。 开发人员友好的API易于使用且令人愉悦模块化体系结构结合了功能，灵活性和可扩展性40多种现代有监督和无监督的学习算法开源，可免费商业使用安装使用Composer将Rubix ML安装到您的项目中：$ composer需要rubix / ml要求PHP 7.2或以上可选Tensor extensi

(Python)同态加密深度学习库

用于定量金融自动股票交易的深度强化学习库FinRL：用于定量金融自动股票交易的深度强化学习库该存储库引用了我们的论文代码，该代码出现在Deep RL Workshop，NeurIPS 2020中。 DRL）已被认为是量化金融的一种有效方法，动手实践经验对初学者很有吸引力。 但是，要训练一个实际的DRL交易代理，该代理决定在哪里进行交易，以什么价格和什么数量进行交易就容易出错。

详细的介绍了当前机器学习流行的库——scikit-learn,对于从事机器学习的小伙伴很有用，包含分类、回归、聚类等流行的方法的实现。

BigDL: 一个用于Apache Spark的分布式深度学习库 BigDL：Apache Spark 上的分布式深度学习 什么是 BigDL？ BigDL 是 Apache Spark 的分布式深度学习库； 使用 BigDL，用户可以将他们的深度学习应用程序编写为标准 Spark 程序，这些程序可以直接在现有 Spark 或 Hadoop 集群上运行。 为了轻松构建 Spark 和 BigDL 应用程序，为端到端分析 + AI 管道提供了高级 Analytics Zoo。 丰富的深度学习支持。 BigDL 以 Torch 为模型，为深度学习提供全面支持，包括数值计算（通过 Tensor）和高级神经网络； 此外，用户可以使用 BigDL 将预训练的 Caffe 或 Torch 模型加载到 Spark 程序中。 极高的性能。 为了实现高性能，BigDL 在每个 Spark 任务中使用英特尔 MKL/英特尔 MKL-DNN 和多线程编程。 因此，它比单节点 Xeon 上的开箱即用开源 Caffe、Torch 或 TensorFlow 快几个数量级（即与主流 GPU 相当）

easyCNN，无需其他依赖，直接训练得到模型预测，C++实现，深度学习库，只能用来分类

星际争霸AI 希望路过的同学，顺手给JStarCraft框架点个Star，算是对作者的一种鼓励吧！ JStarCraft AI是一个机器学习的轻量级框架。遵循Apache 2.0协议。 在学术界，大规模研究人员使用的编程语言是Python。 在工业界，大规模开发人员使用的编程语言是Java。 JStarCraft AI是一个基于Java语言的机器学习工具包，由一系列的数据结构，算法和模型组成。 目标是作为在学术界与工业界的机器机器研究研发的相关人员之间的主轴。 作者 洪钊桦 电子邮件 ， JStarCraft AI架构 JStarCraft AI框架各个模块之间的关系： JStarCraft AI特性 属性与特征 连续 离散 模块与实例 选择，排序与切割 2.环境（environment） 串行计算 并行计算 CPU计算 GPU计算 3.数学（数学） 算法（算法） 微积分（微积分） 相关性（correlation） 距离（distance） 相似度 分解（分解） 核技巧（内核） 概率 标量 方法 矩阵 张量 单元 表单 4.调制标准（调制解调器） 线性模型（linear） 近邻

mil：适用于Python的多实例学习库 当研究一个研究问题时，我发现自己使用了框架，我发现它非常有趣且独特。 在仔细回顾了文献之后，我决定尝试针对所解决问题的几种算法，但是令人惊讶的是，对于任何编程语言，都没有标准，简单且更新的MIL库。 所以...就在这里。 mil库试图使用MIL框架来实现可重复且富有成果的研究。 目录 安装 使用软件包管理器安装mil。 $ pip install mil 要求 mil库的需求软件包为：numpy，scikit-learn，scipy，tensorflow或tensorflow-gpu。 使用软件包管理器安装mil不会安装软件包依赖项。 因此，如果尚未下载，请使用软件包管理器手动安装它们。 $ pip install numpy $ pip install scikit-learn $ pip install scipy $ pip instal