如何做AI开源项目？零基础到100star
欢迎关注我的公众号：YueTan
背景
GitHub，知名社交网站，汇集了全球众多开源项目。细心的人早已注意到，我公众号的logo就借鉴了github经典配色
如何谈笑风生地做一个开源项目呢？可以做收集资料的仓库，也就是github中的awesome系列。awesome一个研究方向，awesome面试经验，甚至还可以awesome的awesome。
曾做过一个深度学习时序预测工具tfts，有100+star。据我微薄的经验，分享一点开源机器学习的经验。这篇简单的文章，却也是多年总结。对时序有兴趣的家人们，也欢迎尝试和参与tfts项目。
github.com/LongxingTan/Time-series-prediction
一: 明确需求、愿景、商业模式
第一步看似没有硬核知识，却不可小觑。
需求 Requirements
选择自己擅长或喜欢的方向。虽说好的项目不会被埋没，但流行与否取决于这个方向池子有多大，大致决定了其star上限。
我选择时序是因为学编程时做的第一个分析就是时序，我又一直惯用TensorFlow。所以习惯性地，把二者掺在一起做成撒尿牛丸T(ensor)F(low) T(ime)S(eries)
不曾想，风向很快转了，PyTorch异军突起，涌现了很多PyTorch时序库，竞争激烈。打了个时间差，少有人愿意再做Tensorflow，但上限也低。tf更新2.0后，写法完全变了，又不得不重构一版。起了个大早，赶了个晚集。
总之，针对需求，结合自身，量力而行，不重复造轮子，充分利用先发优势。
愿景 Vision
我最初的设想是功利的，简历上留了github地址，好歹有个像样的经项目。后来参加比赛，我的愿景变成了做全球最好的比赛时序预测工具。正是这个愿景一直激励着我参加比赛，希望之后能在那些“全球”、“世界”冠名的比赛里勇夺Top。但时间允许的话，更应该做成transformers那样支持tf\torch\jax的全面时序工具。
商业模式 Business
开源的一大问题是，如何保证可持续？一些面向KPI开源的大厂，开源前几个commit已完成KPI就不再维护了。反观一些个人大佬，可以借开源养活自己，例如文档收费、培训收费、咨询收费等。市场经济里，一定要牢记：
我曾收到一个外国小伙的咨询，希望和我合作预测博彩，我给劝退了。要真能预测，早就不在工地起早贪黑了。我在项目里附上了微信打赏码，但人言微轻，至今没有一分钱赞助。
后来不得不改变商业模式，打比赛。天池气象比赛曾有机会收手，但最后一刻被元宇宙大学小号绝杀，4万变1万，摩托变单车。只好继续上路，持续优化，希望“以赛养包”。
最后，明确开源许可证，避免潜在法律风险。
二: 情报调研
根据需求进行情报调研。零基础，即使有了方向，往往不知从何入手。最简单的当然是临摹别人，一是学习其写法和规范，二是调研其优势和不足，三是确认这个方向未来是否值得继续，是否还有好果子摘。
调研中我找了另一个时序包pytorch-forecasting，就去领英加了作者，商业吹嘘一波，学到了很多开源规范性的东西。而时序预测是没有免费午餐的，我的本意是让tfts多经历几个比赛的洗礼，在支持模型方面更独到。
明确了需求，收集了情报之后。完成设计文档，设计时尽量保证可扩展、可维护。
三: 明确工程规范
经历所限，我既没有科班经历，也没有软件大厂的流程洗礼，工程和流程都很虚。起初，仓库一两百star的时候，根本不是一个包，而是一个demo集合。之后，发现一个完备的Python机器学习包，应该包括测试、文档、CI/CD、示例、构建打包等环节，一点点加了上去。
之后补上的包括代码规范，测试覆盖率，安全扫描等。走了很多弯路之后，发现一本书已经介绍的很全面了，《publishing python packages》。
四: 细化需求
继续完善设计文档，细化需求。比如最基础的，支持哪个或哪些模型？
设计时，涉及到边界问题，必须清晰。这是团队合作的基础，即使是单人项目，何尝不是在和昨天的自己合作？支持单变量、多变量、单步、多步，后续也可以比较简单的支持分类、异常检测等任务。
实现不同任务的深度学习方法(单变量、多变量、单步、多步、预测、回归、异常）
实现不同模型(rnn\cnn\transformer, deepar, informer等后台模型）
方便的配置，具备较规范的文档、测试、使用样例等
五：写代码
有了设计文档、工程规范、细化需求之后，就差一个写代码的了。
短期计划：一个完整的包，包括设计文档，注释、可安装包、colab实例等 ，复现几个比赛的top solution，争取复现出相对不错的成绩。
文档：我选择的是Sphinx
测试：可以unittest或Pytest，注重测试用例和测试覆盖率
其实，很多开源项目的代码质量相对是好的，是值得学习的。有图为证
六: 营销推广
好的质量很重要，但好的营销更重要，事半功倍。当然推广之前，需要项目已达到较高的完成度，否则就会走我的弯路。甚至制定开发计划时，也配套一个推广计划。
一个好的项目要有个logo吧，我花5分钟设计的
一个方便民族主义营销的项目，得有个古风名字吧，比如伏羲、八戒、封神榜、山海经一类。配上一句“不转不是中国人”的宣传，想不火都难。我非常喜欢的辛弃疾的一句词：“青山遮不住，毕竟东流去。江晚正愁余，山深闻鹧鸪”。所以tfts的中文名为“东流”，寓意着时间序列问题犹如滔滔江水，滚滚东流，多少离谱预测，都付笑谈中；又犹如黄河泛滥，一发而不可收拾。
被动推广：项目初期，有幸得到爱可可老师推广，一天涨了几十star，首次过百，我仍记得那天刷新时的兴奋，大佬青睐真是事半功倍。前面介绍的Pytorch-forecasting，接受过TheSequence专访，之后没几天star远远超过我，一骑绝尘，什么是国际巨星啊
主动推广：可以自己去社区多写一些示例文章。某大厂，star送开发者礼物的事还是别做了。由于机器学习的独特，文章能推广，比赛也能推广。不过激烈赛事，不是我们零基础混的我还没有经验。还可以写一些论文到opensource、arxiv等推广。
另外，建立微信、slack社群也是不错的运营方式，可以更真实贴近用户需求。路子可以野一点，为了这碗醋，多包几顿饺子。我甚至想过录一些时序视频来宣传，反过来我这篇文章何尝不是tfts的另类推广呢。
七: 维护更新
很惭愧，我做得也不好，经常整年断更。除了代码更新，我觉得最起码的要求，是认真回答issue里提的问题，德国同事经常重复的一句话：没有愚蠢的问题，只有愚蠢的答案。我一开始由于是个人项目，看到很基础的问题就不愿意花时间理，这都是不对的；然后就是积极bugfix。可虑用github自带的project功能进行项目规划与管理，也就是认真用项目管理和产品的角度对待自己的开源。为世界贡献一份力量，使得人人有丹炼，人人有源开。
如何做AI开源项目？零基础到100star相关推荐
- Rust 升级成微软第一梯队语言；“熊孩子”乱敲键盘攻破 Linux 桌面；500 个值得学习的 AI 开源项目| 开发者周刊...
整理 | 梦依丹 出品 | CSDN(ID:CSDNnews) CSDN开发者周刊:只为传递"有趣/有用"的开发者内容! 本周热门项目 0.Rust 升级成为微软一级项目 2015 ...
- 【周刊】“熊孩子”乱敲键盘攻破 Linux 桌面；500 个值得学习的 AI 开源项目；Rust 升级成为微软一级项目...
整理 | 梦依丹 出品 | CSDN(ID:CSDNnews) CSDN开发者周刊:只为传递"有趣/有用"的开发者内容! 本周热门项目 0.Rust 升级成为微软一级项目 2015 ...
- 精品收藏：GitHub人工智能AI开源项目
精品收藏:GitHub人工智能AI开源项目 绝对精品!!!花了点时间,鄙人把这几年收藏的开源精品项目,整理一下,方面以后查找.其中涵盖了姿态检测,图像分割,图像分类,美学评价.人脸识别.多尺度训练,移 ...
- 9款超赞的AI开源项目！| 本周Github精选
来源:PaperWeekly 本文共1296字,建议阅读6分钟. 本文为你分享9款实用的AI开源项目,功能强大,值得收藏! Semantic Segmentation PyTorch #PyTorch ...
- 阿里云机器学习平台PAI+AI开源项目测评来啦
一.背景介绍 阿里AI(阿里灵杰)依托阿里领先的云基础设施.大数据和AI工程能力.场景算法技术和多年行业实践,一站式地为企业和开发者提供云原生的AI能力体系.帮助提升AI应用开发效率,促进AI在产业中 ...
- proteus仿真micropython_【雕爷学编程】MicroPython动手做（04）——零基础学MaixPy之尝试运行...
1.hello micropython #MicroPython动手做(04)--零基础学MaixPy之基本示例 #程序之一:hellomicropython #MicroPython动手做(04)- ...
- AI开发者大会之AI学习与进阶实践：2020年7月3日《如何转型搞AI？》、《基于AI行业价值的AI学习与进阶路径》、《自动机器学习与前沿AI开源项目》、《使用TensorFlow实现经典模型》
AI开发者大会之AI学习与进阶实践:2020年7月3日<如何转型搞AI?>+<无行业不智能:基于AI行业价值的AI学习与进阶路径>.<自动机器学习与前沿AI开源项目> ...
- proteus仿真micropython_【雕爷学编程】MicroPython动手做（07）——零基础学MaixPy之机器视觉...
机器视觉 machine vision 机器视觉是人工智能正在快速发展的一个分支.机器视觉作为生产过程中关键技术之一,在机器或者生产线上,机器视觉可以检测产品质量以便将不合格的产品剔除,或者指导机器人 ...
- 这12个最新AI开源项目，你一定要收下
转载自:https://www.jiqizhixin.com/articles/2018-09-07-7,mark自己看 这12个最新AI开源项目,你一定要收下 #基于TensorFlow的强化学习框 ...
最新文章
- Android Studio 中修改versionCode跟versionName (更新版本)
- 论文《一种金融市场预测的深度学习模型：FEPA》（3）--ＥＭＤ＋ＰＣＡ
- Freemarker和Spring开发：获取相对路劲和绝对路径的最优方式
- 关于日期比较compareTo
- fedora17用yum下载包而不安装包
- 在Mapnik中显示中文(网上资料整理)
- SAP Hybris Commerce里类似ABAP里的透明表设计
- Android 系统权限
- wordpress 301重定向 htaccess
- 计算机联锁车务仿真培训系统 casco模式,计算机联锁车务仿真培训系统简介（15页）-原创力文档...
- 2018年中小学计算机培训,2018年中小学网管员培训心得体会
- 计算机无法对光盘格式化,使用驱动器X:中的光盘之前需要将其格式化，是否需要将其格式化？...
- 多极神经元红蓝铅笔手绘,多极神经元手绘图作业
- justjavac：从辍学到成为Deno核心代码贡献者，我的十年编程生涯
- 花狗C语言彩色贪吃蛇(完整代码)
- 充满正能量阳光活的生日祝福语
- N进程M资源死锁问题
- kubernetes 网络
- ## 错误：ora-01922 解决方案
- Azure: Azure AD(For Development)的使用