1、Dopamine 是一款快速实现强化学习算法原型的研究框架，基于 TensorFlow 实现，旨在为研究人员提供一种简单易用的实验环境，能够满足用户对小型、便于访问的代码库的需求，用户可以很方便地构建实验去验证自身在研究过程中的想法。

项目链接：https://github.com/google/dopamine

2、TransmogrifAI 是一个基于 Scala 编写、运行在 Spark 上的 AutoML 库，由 Salesforce 开源。本项目旨在通过自动机器学习技术帮助开发者加速产品化进程，只需几行代码，便能自动完成数据清理、特征工程和模型选择，然后训练出一个高性能模型，进行进一步探索和迭代。

项目链接：https://github.com/salesforce/TransmogrifAI

3、OpenNRE 是一个基于 TensorFlow 的神经网络关系抽取工具包，由清华大学计算机系刘知远老师组开源。本项目将关系抽取分为四个步骤：Embedding、Encoder、Selector 和 Classifier。

项目链接：https://github.com/thunlp/OpenNRE

4、TFMA 是一个来自 Google 的开源库，用于帮助 TensorFlow 用户对所训练模型进行分析。用户可以使用 Trainer 里定义的指标，以分布式方式评估大量数据的模型。这些指标可在不同的数据片段上进行计算，并在 Jupyter Notebooks 里实现结果可视化。

项目链接：https://github.com/tensorflow/model-analysis

5、GraphPipe 是由甲骨文公司开源的通用深度学习模型部署框架，旨在帮助用户简化机器学习模型部署，并将其从特定框架的模型实现中解放出来的协议和软件集合。GraphPine 可提供跨深度学习框架的模型通用 API、开箱即用的部署方案以及强大的性能，目前已支持 TensorFlow、PyTorch、MXNet、CNTK 和 Caffe2 等框架。

项目链接：https://github.com/oracle/graphpipe

6、本项目汇集了当前最优的各类深度学习预训练模型，模型均为由 Facebook 和微软推出的 ONNX (Open Neural Network Exchange) 格式，该格式可使模型在不同框架之间进行迁移。每个模型均有对应的 Jupyter Notebook，包含模型训练、运行推理、数据集和参考文献等信息。

项目链接：https://github.com/onnx/models

7、良心级开源人脸标定算法，包含人脸美颜、美妆、配合式活体检测和人脸校准的预处理步骤。该项目 Windows 工程基于传统的 SDM 算法，通过修改开源代码，精简保留测试部分代码，优化代码结构。Android 代码基于深度学习，我们设计了高效的网络模型，该模型鲁棒性较好，支持多人脸跟踪。目前深度学习算法在人脸标定方向取得了良好的效果，该项目旨在提供一种较为简单易用的实现方式。

项目链接：https://github.com/zeusees/HyperLandmark

8、MagNet 是一个基于 PyTorch 封装的高级深度学习 API，旨在减少开发者的模板代码、提高深度学习项目开发效率。

项目链接：https://github.com/MagNet-DL/magnet

9、NLP.js 是一个基于 Node.js 的通用自然语言处理工具包，目前支持分词、词干抽取，情感分析，命名实体识别，文本分类，文本生成等多种任务。

项目链接：https://github.com/axa-group/nlp.js

10、Texar 是一个基于 TensorFlow 的文本生成工具包，支持机器翻译、对话系统、文本摘要、语言模型等任务。Texar 专为研究人员和从业人员设计，用于快速原型设计和实验。

项目链接：https://github.com/asyml/texar

11、Evolute 是一个简单易用的进化算法框架，定义了个体、种群等基础结构体，并且实现了进化算法中常见的算子 Selection、Reproduction、Mutation、Update。

项目链接：https://github.com/csxeba/evolute

12、本项目是一个任务驱动对话数据集合辑，汇集了包含 Dialog bAbI、Stanford Dialog、灵犀数据、DSTC-2、CamRest676 和 DSTC4 等多个经典任务驱动对话系统的研究数据集。

项目链接：https://github.com/AtmaHou/Task-Oriented-Dialogue-Dataset-Survey