该文件为pytorch官方实现：“ SinGAN：从单个自然图像中学习生成模型”
使用SinGAN，您可以从单个自然图像中训练生成模型，然后从给定图像中生成随机样本
原始仓库地址：https://github.com/tamarott/singan.git
Quick NLP是受fast.ai库启发的深度学习nlp库
它遵循与fastai相同的api，并对其进行了扩展，从而可以快速，轻松地运行nlp模型
原始仓库地址：https://github.com/outcastofmusic/quick-nlp.git
keras-rl在Python中实现了一些最先进的深度强化学习算法，并与深度学习库Keras无缝集成。
此外，keras-rl可与OpenAI Gym一起使用。 这意味着评估和使用不同算法很容易。
当然，您可以根据自己的需要扩展keras-rl。 您可以使用内置的Keras回调和指标或定义自己的指标。 更重要的是，只需扩展一些简单的抽象类，即可轻松实现自己的环境甚至算法。 文档可在线获得。
原始仓库地址：https://github.com/keras-rl/keras-rl.git
用于DL和RL研究的PyTorch框架。 它的开发侧重于可重复性，快速实验和代码/想法重用。 能够研究/开发新事物，而不是编写另一个常规火车循环。
打破循环-使用Catalyst！
原始仓库地址：https://github.com/catalyst-team/catalyst.git
Gensim是用于大型主题的主题建模，文档索引和相似性检索的Python库。 目标受众是自然语言处理（NLP）和信息检索（IR）社区。
原始仓库地址：https://github.com/rare-technologies/gensim.git
该项目是基于TensorFlow 2.0的，面向研究人员和公司的多语言NLP库，用于在学术界和行业中推广最先进的深度学习技术。 HanLP从一开始就被设计为高效，用户友好和可扩展的。 它带有针对各种人类语言（包括英语，中文和许多其他语言）的预训练模型。 目前，HanLP 2.0处于alpha阶段，路线图上具有更多杀手级功能。
原始仓库地址：https://github.com/hankcs/hanlp.git
TensorFlow模型分析（TFMA）是用于评估TensorFlow模型的库。 它允许用户使用他们的培训器中定义的相同指标，以分布式方式评估他们在大量数据上的模型。 这些指标可以在不同的数据切片上计算并在Jupyter笔记本中可视化。
原始仓库地址：https://github.com/tensorflow/model-analysis.git
TransmogrifAI（发音为trăns-mŏgˈrə-fī）是用Scala编写的AutoML库，它在Apache Spark之上运行。 它的开发重点是通过机器学习自动化来提高机器学习开发人员的生产率，以及一个用于强制执行编译时类型安全，模块化和重用的API。 通过自动化，它实现了接近手动调整模型的精度，时间减少了近100倍。
原始仓库地址：https://github.com/salesforce/transmogrifai.git
***dopamine***是用于强化学习算法的快速原型制作的研究框架。它旨在满足对小型、易处理的代码库的需求，用户可以在其中自由地试验荒诞的想法（推测性研究）。
本框架特点：
轻松上手、灵活开发、简洁可靠、易于重现。
原始仓库地址：https://github.com/google/dopamine.git
***msgan***是一种寻求用于多种图像合成的生成对抗网络模式，可以应用于不同任务中的任意条件生成对抗网络，简单而高效地寻找正则化项，以缓解模式崩溃问题并提高多样性。
环境要求：
- Python 3.5 or Python 3.6
- Pytorch 0.4.0 and torchvision(https://pytorch.org/)
- TensorboardX
- Tensorflow (for tensorboard usage)
原始仓库地址：https://github.com/helenmao/msgan.git
项目类型
