GitHub上最受欢迎的57个深度学习开源项目

1、GitHub上最受欢迎的57个深度学习开源项目TensorFlow作为谷歌的第二代机器学习系统，TensorFlow在过去的一年里成为了 github上当之无愧的最受欢迎项目。按照谷歌所 说，在莫些基准测试中，TensorFlow的表现比第一代的 DistBelief快了 2倍。TensorFlow内建深度学习的扩展支持， 任何能够用计算流图形来表达的计算，都可以使用TensorFlow。任何基于梯度的机器学习算法都能够受益于 TensorFlow 的自动分 化(auto-differentiation )。通过灵活 的Python接口，要在 TensorFlow 中表达想法也会很容易。 Ca

2、ffeCaffe是一个高效的开源深度学习框架。由表达式，速度和 模块化组成。Caffe给由了模型的定义、最优化设置以及预 训练的权重，方便立即上手。Caffe能够运行很棒的模型和海量的数据，可以使用 Caffe提供的各层类型来定义自己的 莫型。Neural styleTorch实现的神经网络算法。Neural style是让机器模仿已有 画作的绘画风格来把一张图片重新绘制的算法。deepdreamDeep Dream是一款图像识别工具。一个原本用来将图片分 类的AI,让我们看到不一样的世界 在把一张图片喂入之后，选择更一层神经网路（Google的神经网路有 10-30层）进行重复处理的次数和变

3、形的程度，就能获得一张非常后现代 的画作。Keras一款Python实现的深度学习库，包括卷积神经网络、递归神经网络等。运行在 Theano和TensorFlow之上。Keras是一个极简的、高度模块化的神经网络库，采用Python （Python2.7-3.5.）开发，能够运行在 TensorFlow和Theano任一平台，好项目旨在完成深度学习的快速开发。RocAlphaGo学生主导的一个独立项目，从新实现了 DeepMind在2016 Nature发表的内容，用深度神经网络和树搜索学习围棋（Nature 529, 484-489, 28 Jan 2016）。TensorFlow Mode

4、ls基于TensorFlow开发的模型。这个库包含了各种机器学习模型在TensorFlow实践。Neural Doodle运用深度神经网络将涂鸦变为优雅的艺术品，从照片生成无缝纹理，转变图片风格，进行基于实例的提升，等等一还有更多！（语义风格传递的实现）CNTK深度学习工具包 。来自微软公司的 CNTK工具包的效率，“比 我们所见过的都要疯狂”。这部分归功于CNTK可借助图形处理单元（GPU）的能力，微软自称是唯一公开“可扩展 GPU功能的公司。（从单机上的1个、延伸至超算上的多个）在与该公司的网络化 GPU系统（称之为 Azure GPU Lab）匹配之后，它将能够训练深度神经网络来识别语音

5、，让 Cortana 虚拟助理的速度达到以前的十倍。TensorFlow Examples适合 初学者的TensorFlow教程和代码示例，作者已经做了相关 笔记和代码解释。ConvNet JSConvNetJS是用JavaScript实现的神经网络，同时还有基于 浏览器的demo。TorchTorch7是一个科学计算框架，支持机器学习算法。易用而且提供高效的算法实现，得益于LuaJIT和一个底层的 C实 现。OpenFace基于深度学习网络的面部识别。Openface是一个基于深度神经网络的开源人脸识别系统。该系统基于谷歌的paperFaceNet: A Unified Embedding

6、for Face Recognition and Clustering o Openface 是卡内基梅隆大学的Brandon Amos主导的。MXNet轻巧、便携、灵活的分布式/移动深度学习框架，支持Python, R, Julia, Scala, Go, Javascript 等等语言。MXNet 是一款设计为 效率和灵活性的深度学习框架。它允许你混合符号编程和命 令式编程，从而最大限度提高效率和生产力。在其核心是一 个动态的依赖调度，它能够自动并行符号和命令的操作。一 个图形优化层，使得符号执行速度快，内存使用高效。这个 库便携，轻量，而且能够扩展到多个 GPU和多台机器。Theano

7、Theano是一个Python库，用来定义、优化和模拟数学表 达式计算，用于高效的解决多维数组的计算问题。Leaf是一个开放的机器学习框架，为黑客建立经典，深或混合机 器学习应用。它的灵感来自于TensorFlow Torch, Caffe, Rust和众多的研究论文，并提由模块化、性能和便携性的深度学 习。Char RNN多层递归神经网络的字符级别语言模型，基于Torch开发。它实现了多层递归神经网络（RNN, LSTM、和GRU）字符级语言模型的训练/采样。如果你是 Torch/Lua/Neural Nets 新手，那么这对于你去理解它们有很大的帮助。Neural TalkNeuralTa

8、lk是一个Python+numpy 项目，用多模式递归神经 网络描述图像。deeplearning4j基于 Hadoop 和 Spark 的 Java, Scala & Clojure 深度学习工 具。Deeplearning4j （简称 DL4J）是为 Java 和 Scala 编写的 首个商业级开源分布式深度学习库。DL4J与Hadoop和Spark集成，为商业环境（而非研究工具目的）所设计。Skymind是DL4J的商业支持机构。 Deeplearning4j 技术先进，以即插即用为目标，通过更多预设的使用，避免太多配置，让非研究人员也能够进行快速的原型制作。DL4J同时可以规模化定制。

9、DL4J遵循Apache 2.0许可协议，一切以其为基础的 衍生作品均属于衍生作品的作者。TFLearn深度学习库，包括高层次的TensorFlow接口。它是被设计来 在加速试验提供了一个更高级别的API,并且和其他的部分完全兼容。TensorFlow Playground神经网络模型示例。TensorFlow Playground是一个神经网络 的交互式可视化，这是使用d3.js写的。OpenAI Gym一种用于开发和比较强化学习算法的工具包。MagentaMagenta:音乐和艺术的生成与机器智能。Google Brain团队 的一组研究人员发布了一个项目Project Magenta ,

10、其主要目标是利用机器学习创作艺术和谱写曲子。Project Magenta使用了 TensorFlow系统，研究人员在 GitHub上开源了他们的 模型和工具。研究人员称，机器生成的音乐已经存在了许多年，但它们在 都缺乏长的叙事艺术。Project Magenta就试图将故事作为机 器生成音乐的重要部分。Google公布了一个 DEMO (MP3)表现Magenta项目的成果。Colornet用神经网络模型给灰度图上色。Synaptic基于node.js和浏览器的免架构神经网络库。Neural Talk 2Torch开发的图像简介生成代码，运行在 GPU上。Image Analogies使用神

11、经匹配和融合生成相似图形。TensorFlow Tutorials ,从基础原理到应用。Lasagne基于Theano训练和构建神经网络的轻型函数库。PyLearn2基于Theano的机器学习库。LISA-lab Deep Learning Tutorials深度学习教程笔记和代码。详情参见wiki页面。NeonNervana?开发的一款快速、可扩展、易上手的 Python深度 学习框架。neon是Nervana System的深度学习软件。根 据Facebook 一位研究者的基准测试，Nervana的软件比业 界知名的深度学习工具性能都要高，包括Facebook自己的Torch7 和 Nvi

12、dia 的 cuDNN。Matlab Deep Learning ToolboxMatlab/Octave的深度学习工具箱。包括深度信念网络、自 动编码机、卷积神经网络、卷积自动编码机和vanilla神经网 络等。每种方法都有入门示例。Deep Learning Flappy Bird使用深度强化学习破解 Flappy Bird游戏(深度 Q-学习)。dl-setup在深度学习机上设置软件说明。Chainer一款灵活的深度学习神经网络框架。Chainer是深度学习的框架，Chainer在深度学习的理论算法和实际应用之间架起 一座桥梁。它的特点是强大、灵活、直观，被认为是深度学 习的灵活框架。N

13、eural Story Teller看图讲故事的递归神经网络模型。DIGITS深度学习GPU训练系统。Deep Jazz基于Keras和Theano生成jazz的深度学习模型！Tiny DNN仅引用头文件，无依赖且使用C + 11的深度学习框架。Brainstorm快速、灵活、有趣的神经网络。dl-docker一个用于深度学习的一体化Docker镜像。 包含所有流行的 DL 框架(TensorFlow , Theano , Torch , Caffe 等)。DarknetC语言版本的开源神经网络。Theano Tutorials基于Theano的机器学习入门教程，从线性回归到卷积神经网络。RN

14、N Music Composition 一款生成古典音乐的递归神经网络 工具。Blocks用于构建和训练神经网络模型的Theano框架TDBTensorFlow的交互式、节点调试和可视化的工具。TensorDebugger (TDB)是深度学习调试器，使用断点和计算 机图形化实时数据流可视化扩展TensorFlow (谷歌的深度学习框架)。特别的是，TDB是一个 Python库和一个Jupyter Notebook 扩展的结合，构建 Google 的TensorFlow 框架。 Scikit Neural Net深度神经网络入门工具，类似 scikit-learn 的分类器和回归模型。Vele

15、s分布式机器学习平台(Python, CUDA, OpenCL )。VELES是 分布式深度学习应用系统，用户只需要提供参数，剩下的都可以交给 VELES VELES使用 Python 编写，使用 OpenCL 或者CUDA,利用基于 Flow的编程。它是三星开发的另一 个 TensorFlow。Deep Detect基于C+11的深度学习接口和服务器，与 Python绑定并支持Caffe。TensorFlow DeepQ 基于 Google Tensorflow 的深度 Q 学习演 示。Caffe on Spark基于Spark的Caffe。雅虎认为，深度学习应该与现有的支持 特征工程和传统（非深度）机器学习的数据处理管道在同一 个集群中，创建CaffeOnSpark意在使得深度学习训练和测试 能被嵌入到Spark应用程序中。CaffeOnSpark被设计成为一 个Spark深度学习包。Nolearn神经网络库的抽象，著名的 LasagneoDCGAN TensorFlow :