对于机器学习者来说，阅读开源代码并基于代码构建自己的项目，是一个非常有效的学习方法。看看以下这些Github上平均star为3558的开源项目，你错了哪些？

在开始之前，先推荐阅读：

A. 神经网络：深度学习 A-ZTM : 亲手搭建人工神经网络（推荐次数68,745 , 4.5/5 stars）

链接：http://bit.ly/2CH1WcQ

B. 用Python进行深度学习的TensorFlow的完整指南（推荐次数17,834, 4.6/5 stars）

链接：http://bit.ly/2EatVy7

接下来是精选的Top 30的项目：

1. FastText：快速文本表示和文本分类库（Github上有11786颗星，贡献者Facebook Research）

源码链接：https://github.com/facebookresearch/MUSE

2. Deep-photo-styletransfer：“Deep Photo Style Transfer” 这篇论文的源码和数据。（GitHub 9747颗星，论文来自于康奈尔大学的Fujun Luan）

源码链接：https://github.com/luanfujun/deep-photo-styletransfer

3. 用Python和命令行来实现的最简单的面部识别API（GitHub 8672颗星，贡献者Adam Geitgey）

源码链接：https://github.com/ageitgey/face_recognition

4. Magenta:利用机器智能生成音乐和美术艺术品（GitHub 8113颗星）

源码链接：https://github.com/tensorflow/magenta

5. Sonnet：基于TensorFlow的神经网络库（GitHub 573颗星，贡献者是DeepMind的Malcolm Reynolds ）

源码链接：https://github.com/deepmind/sonnet

6. deeplearn.js： 一个用于Web的硬件加速机器学习库（GitHub 5462颗星，贡献者是Google Brain的Nikhil Thorat）

源码链接：https://github.com/PAIR-code/deeplearnjs

7. 基于TensorFlow的快速风格迁移库（GitHub 4843颗星，贡献者是MIT的Logan Engstrom）

源码链接：https://github.com/lengstrom/fast-style-transfer