在数据科学和机器学习方面，GitHub和Reddit是两个最好的平台。前者是代码和项目之间共享和协作的绝佳工具，而后者是与全球数据科学爱好者交流的绝佳平台。我们每个月都会盘点GitHub上最先进的数据科学和机器学习库。让我们看看本月有哪些库上榜：1.DeepPainterlyHarmonization处理图像并使处理后的图像看起来像真实图像的技术已经存在了很长时间。但是通过深度学习来实现会更加高效和现实。开发者想出了一个算法来实现画一幅画：在一幅画中加入一个外部元素，让它与之融为一体，看起来就和原来的画风几乎一模一样。如上图所示——右数第三个是最终的输出，如果没有前两张图片我们可能无法判断气球是外部插入的物体。此类算法比照片合成或全局程式化技术产生更精确的结果，并达到迄今为止很难达到的处理水平。（项目地址：https://github.com/luanfujun/deep-painterly-harmonization）2.SwiftforTensorFlowSwiftforTensorFlow在上个月的TensorFlow开发者峰会上首次公布了demo。SwiftforTensorFlow为TensorFlow提供了一种新的编程模型，它开辟了新的设计机会和解决现有问题的新方法。据介绍，SwiftforTensorFlow结合了图的性能、EagerExecution的灵活性和表现力，并专注于提高堆栈中各个层次的可用性。但是，该项目仍处于起步阶段，因此尚未准备好编写深度学习模型。点击查看更多相关信息：《可以抛弃 Python 了?Google 开源 Swift for TensorFlow》3.MUNIT来自康奈尔大学的研究团队提出了一种用于多模态无监督图像到图像转换问题的标准框架——（MUNIT）框架，用于将图像从一个域转换到另一个域。通俗地说，就是获取一张图像，并从中生成新的图像（例如，将狗的图像转换为猫）。以往已有的方法只能实现给定图像的一对一映射，无法对一张图像产生多个不同的输出结果。MUNIT的另一个令人兴奋的功能是能够为单个图像提供多个输出。（项目地址：https://github.com/NVlabs/MUNIT）4.GluonNLPGluonNLP提供了NLP领域最先进的深度学习模型的实现，建立了文本数据管道和模型模块。在设计方面，它也旨在让工程师、研究人员和学生能够快速实现研究想法并制作产品原型。该存储库有一个很好的文档，以及如何使用该库的详细示例。他们甚至为粘合剂新手提供精心包装的60分钟速成课程。（项目地址：https://github.com/dmlc/gluon-nlp）5.PyTorchGAN是研究论文中介绍的GAN（或生成对抗网络）的PyTorch实现的集合。目前，存储库列出了24种不同的实现，每一种都以其独特的方式增加您的知识。该列表包含AdversarialAutoencoders、CycleGAN、LeastSquaresGAN、Pix2Pix等的实现。（项目地址：https://github.com/eriklindernoren/PyTorch-GAN）
