A Python Toolbox for Multimode Neural Data Representation Analysis - A Representational Analysis Toolbox for Neuroscience
原始仓库地址：https://github.com/neurora/neurora.git
**项目简介**
为促进在校学生利用暑假时间提升自我能力，中科院软件所与华为OpenEuler项目在今年共同举办了 “开源软件供应链点亮计划——暑期2020”项目。本次鹏城汇智开源平台作为社区已经加入这一计划，提供若干项目需求。欢迎有能力、有热情、有时间的小伙伴们参加，鹏城汇智愿意和大家一起，为国内的开源生态添砖加瓦。
**一、PhoneBit项目**
中山大学无人系统研究所作为计划中的一员，向小伙伴们推出最新的开源移动端神经网络部署框架PhoneBit。欢迎各位加入到项目中，进行各种酷炫的应用开发。
PhoneBit是业界首个基于手机GPU的高能效的二值神经网络前向推理引擎，由中山大学无人系统研究所陈刚副教授和黄凯教授联合鹏城实验室共同开发。该框架针对移动端GPU进行高度优化，相比现有的框架，在进行二值神经网络推理的同时，可大幅提升推理速度，降低计算消耗的电量以及带来更高的能耗比。
相比于CNNdroid， PhoneBit对比其CPU模式可平均提升速度794倍，对比其GPU模式可平均提升速度35倍。相比于TensorFlow Lite，PhoneBit相对其CPU模式平均提升了12倍，相对其GPU模式平均提升了15倍，相对其CPU 8bit量化模式平均提升了6倍。
相比于daBNN（一个最新的基于ARM的二值神经网络框架，于2019年8月由京东AI开源），在使用小米5手机（Snapdragon 820 芯片）运行Bi-Real Net 18（一种二值化的ResNet-18网络）的情况下，PhoneBit实现了2.60倍速度提升，2.62倍更低的功耗，6.8倍更高的能效比
如今，PhoneBit框架正式在鹏城汇智开源代码托管平台上开源，提供了基于java的API支持，并提供Android Studio上的手机APP应用样例工程。
项目地址：
https://code.ihub.org.cn/projects/915
开源协议：Apache License 2.0
- **项目导师**
• 陈刚
- **1. 二值目标检测网络的设计与训练**
项目描述：目标检测作为图像理解中的重要一环，其任务是找出图像中所有感兴趣的目标（物体），确定它们的位置和大小，是深度学习中的重要应用之一。目前有许多优秀的二值神经网络模型，大多都使用的是全精度的网络。但由于PhoneBit框架主要针对二值神经网路进行加速，需要对网络进行二值化处理，并保持一定的精度，以便于部署到移动设备上。
• 项目难度：简单
• 项目社区导师：陈刚
• 导师联系方式：cheng83@mail.sysu.edu.cn
• 合作导师联系方式（选填）：无
• 项目产出要求：
o 训练得到一定精度的二值目标检测网络
• 项目技术要求：
o 机器学习基础
o 神经网络开发及模型训练能力
• 相关的开源软件仓库列表：
o https://github.com/pjreddie/darknet
o https://code.ihub.org.cn/projects/915/repository/PhoneBit
开源协议：Apache License 2.0
- **2.PhoneBit框架上的二值目标检测模型部署**
• 项目描述：为了减少模型体积，降低计算难度，训练后的模型需要进行压缩和格式转换后，才可部署到PhoneBit框架中。在PhoneBit开源仓库下，提供了一款将.onnx类型的二值分类模型转换为.phonebit类型模型的示例代码。可以参考示例代码，针对二至目标检测模型进行改进及优化，实现模型转换与部署。
• 项目难度：适中
• 项目社区导师：陈刚
• 导师联系方式：cheng83@mail.sysu.edu.cn
• 合作导师联系方式（选填）：无
• 项目产出要求：
o 将训练得到的二值目标检测模型转换为PhoneBit格式
o 使用PhoneBit框架成功进行前向推断
• 项目技术要求：
o 模型数据提取
o 数据的压缩、转换处理
• 相关的开源软件仓库列表：
o https://code.ihub.org.cn/projects/915/repository/PhoneBit
开源协议：Apache License 2.0
- **3.基于PhoneBit框架上的移动二值目标检测模型应用**
• 项目描述：目前手机的计算能力愈来愈高，已逐步具备进行快速模型部署的能力。PhoneBit框架基于手机GPU进行高度优化，能实现基于手机的快速前向推断。在PhoneBit开源仓库下，提供了二值图像分类网络的Android部署APP示例工程。可以参考示例工程，根据目标检测任务的特性设计APP，实现模型的应用。
• 项目难度：适中
• 项目社区导师：陈刚
• 导师联系方式：cheng83@mail.sysu.edu.cn
• 合作导师联系方式（选填）：无
• 项目产出要求：
o 在Android上使用APP进行快速目标检测
• 项目技术要求：
o Android应用开发能力
• 相关的开源软件仓库列表：
o https://code.ihub.org.cn/projects/915/repository/PhoneBit
开源协议：Apache License 2.0
**二、实训类项目**
- **实训项目内容编写-心血管疾病预测**
• 项目描述：
• 实训内容主题：心血管疾病预测
• 在分类问题中，分类的目的是从一系列数据中选择出一个分类（如，给出一张包含苹果或橘子的图片，识别出图片中是哪种水果）。本项目采用心血管疾病数据集，数据集提供11个特征值和1个目标值，包含70000个患者记录数据。通过构建一个算法模型，来预测样本是否患有心血管疾病。
• 本实训主要介绍如何实现“心血管疾病预测模型”的开发，通过该实训项目，可以使实训受众了解预测模型的开发。
• 项目难度：适中
• 项目社区导师： 陈亚云
• 导师联系方式： 563880696@qq.com
• 合作导师联系方式（选填）：无
• 项目产出要求：
o 输出基于《心血管疾病预测模型》的实训课件内容
• 项目技术要求：
o 数据清洗
o 数据可视化
o 需熟悉python代码
o 会机器学习算法
• 相关的开源软件仓库列表：
o https://www.kaggle.com/sulianova/cardiovascular-disease-dataset
开源协议：BSD-3-Clause
- **实训项目内容编写-新冠病毒传播预测**
• 项目描述：
• 实训内容主题：预测新冠状病毒的传播
• 新冠状病毒的爆发正在发展成一场重大的国际危机，并开始影响人们的正常生活和国家经济的发展。如果能够预测病毒如何在不同国家和地区传播，建立一个强大的预测模型，有助于缓解风险。这项任务的目标是建立一个预测病毒扩散的模型。
• 本实训主要介绍如何实现“预测新冠状病毒的传播”的开发，通过该实训项目，可以使实训受众了解预测模型的开发。
• 项目难度：适中
• 项目社区导师： 陈亚云
• 导师联系方式： 563880696@qq.com
• 合作导师联系方式（选填）：无
• 项目产出要求：
o 输出基于《预测新冠状病毒的传播》的实训课件内容
• 项目技术要求：
o 数据清洗
o 数据可视化
o 需熟悉python代码
o 会机器学习算法
• 相关的开源软件仓库列表：https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset
开源协议：BSD-3-Clause
在不同类型的芯片（GPU/NPU/CPU/FPGA/ASIC等）与AI计算框架之间制定算子接口标准，并提供用于验证接口可行性和代码级别语义规范的AI算子标准开源项目。
原始仓库地址：https://github.com/uavs3/uavs3e.git
原始仓库地址：https://github.com/uavs3/uavs3d.git
OpenI 珊瑚项目是OpenI启智开源社区中，为OpenI章鱼人工智能平台提供面向异构计算设备的通用管理框架开源项目。OpenI珊瑚项目是基于OpenStack社区Cyborg项目的Stein版本为底座，针对OpenI章鱼项目已由实现，专门面向Hadoop/Yarn/Spark生态的异构计算集成的项目。
软件技术创新是当今国家整体创新能力的重要基础和发展引擎。近年来，大众参与的软件创新与创业活动已经成为网络时代软件开发和应用的新形态，正在快速改变着全球软件创新模式和软件产业格局。国防科技大学、北京大学、北京航空航天大学、中国科学院软件研究所等单位合作开展了基于网络的软件开发群体化方法与技术研究，揭示了以大众化协同开发、开放式资源共享、持续性可信评估为核心的互联网大规模协同机理，与软件开发工程化方法相结合，系统地提出了基于网络的软件开发群体化方法。本项目是群体化方法与技术的开源实现案例，在基于Redmine的在线项目管理基础上，进一步支持社交化的协同开发、协同学习、协同研究等群体创新实践服务。
本项目是一个为 PySpark 服务的小工具。默认情况下，PySpark 没有被添加进 sys.path 中，为日常的使用带来了不便。通常的做法是将 PySpark 用软链接到用于目标，或者是像本项目一样，运行时将 PySpark 添加到 sys.path 中。
原始仓库地址：https://github.com/minrk/findspark.git
本项目是一个简单的Python工具，用于从非结构化文本中提取位置信息。本项目使用了国家，地区和城市的大型地理词典，所有这些都存储在MySQL数据库中，所需的源数据包含在此项目中。本项目所使用的城市数据来源于MaxMind网站。
原始仓库地址：https://github.com/petewarden/geodict.git
本项目是一个用于收集语音的 web 程序。本项目是一个小型的Web应用程序，用于收集简短的语音摘要，并将其上传到云存储中。旨在帮助收集开放的语音数据集来训练机器学习系统。本项目基于Google App Engine上运行的Flask应用程序，提供了一个客户端Javascript应用程序，该应用程序提示输入一系列单词，记录音频，然后将结果回传到服务器。
原始仓库地址：https://github.com/petewarden/open-speech-recording.git
项目类型
