续上篇：《2017年最佳机器学习开源项目（30项 – 上篇）》
第11位：Style2Paints
AI 漫画稿在线上色工具，通过人工智能，将线稿的风格转换为彩色漫画风格。该项目同时提供了在线体验网站根据不同的涂色风格，获得各种上色图片。特别值得关注的是该项目由苏州大学发布，是中国科研机构在本列表中排名最高的项目。
扩展阅读：Style2paints：专业的AI漫画线稿自动上色工具
项目GitHub地址第12位：Tensor2Tensor
由 Google Brain 发布的用于广义序列与序列模型的工具库，是一个用于在 TensorFlow 中训练深度学习模型的开源系统。Tensor2Tensor 能够帮助人们为各种机器学习程序创建最先进的模型，可应用于多个领域，如翻译、语法分析、图像信息描述等，大大提高了研究和开发的速度。不但如此，Tensor2Tensor 还内置了训练数据集与最佳实践模型，让科研机构与企业能在短时间内应用最佳模型及算法。
扩展阅读：一个模型库学习所有：谷歌开源模块化深度学习系统 Tensor2Tensor
第13位：CycleGAN and pix2pix in PyTorch
基于 PyTorch 的图像到图像转换工具，它能以你随手草绘的单色线图为基础，自动生成一张“真实图片”。它是条件生成式对抗网络（Conditional Generative Adversarial Networks）的一种绝佳实现，并且已经被移植到 TensorFlow 上进行部署。
扩展阅读：你来手绘涂鸦，人工智能生成「猫片」：edges2cats 图像转换详解
第14位：Faiss
由 Facebook AI 团队（FAIR）发布的用密集向量高效相似性搜索与聚类的工具库。它包含搜索任意大小的向量集的算法，直到可能不适合 RAM 的算法。它还包含评估和参数调整的支持代码。Faiss 是用 C ++ 编写的，具有 Python / numpy 的完整包装。 一些最有用的算法在 GPU 上实现。 它由 Facebook AI Research 开发。
第15位：Fashion-mnist 数据集
一个类似于 MNIST 的时尚产品数据集。
第16位：ParlAI
用于在各种公开可用的对话数据集上训练与评估 AI 模型的框架，基于 Python 开发。其目标在于为科研人员提供一套共享，训练和测试对话模型的统一框架，让互联网上流行的对话数据集都集中在一个地方，并具有多任务的能力。
第17位：Fairseq
来自 Facebook AI 团队（FAIR）的序列到序列工具包。2016年，谷歌在机器翻译上取得了连续不断的突破。谷歌的方法用到了文本处理惯用的循环神经网络。近日，Facebook 也宣布在神经机器翻译上取得了重大进展，在超过了去年谷歌研究的水平的同时还实现了显著的速度提升。而和谷歌的方法不一样，Facebook 的方法采用了一种完全基于卷积神经网络的架构，该研究的相关源代码和模型也已经在 GitHub 上开源，并且马上成为 GitHub 上最受欢迎的机器学习项目之一。
扩展阅读：Facebook提出全新CNN机器翻译：准确度超越谷歌而且还快九倍（已开源）
第18位：Pyro
使用 Python 和 PyTorch 进行深度通用概率编程。
扩展阅读： Uber 与斯坦福大学开源深度概率编程语言 Pyro：基于PyTorch
第19位：iGAN
基于 GAN 的交互图像生成器。
扩展阅读：伯克利大学和 Adobe 开源深度学习图像编辑工具 iGAN
第20位：Deep-image-prior
使用神经网络进行图像恢复，同时无需学习过程，将低分辨率的图片变得更加清晰。