GitHub 上 57 款最流行的開源深度學習項目

本文整理了 GitHub 上最流行的 57 款深度學習項目（按 stars 排名）。最後更新：2016.08.09

1.TensorFlow

使用數據流圖計算可擴展機器學習問題

TensorFlow 是谷歌的第二代機器學習系統，按照谷歌所說，在某些基準測試中，TensorFlow 的表現比第一代的 DistBelief 快了2倍。

TensorFlow 內建深度學習的擴展支持，任何能夠用計算流圖形來表達的計算，都可以使用 TensorFlow。任何基於梯度的機器學習演算法都能夠受益於 TensorFlow 的自動分 化（auto-differentiation）。通過靈活的 Python 介面，要在 TensorFlow 中表達想法也會很容易。

2.Caffe

Stars：11799

Caffe是一個高效的開源深度學習框架。由表達式，速度和模塊化組成。

3.Neural style

Stars：10148

Torch實現的神經網路演算法。

Neural style 是讓機器模仿已有畫作的繪畫風格來把一張圖片重新繪製的演算法。

4.deepdream

Stars：9042

Deep Dream，一款圖像識別工具

5.Keras

Stars：7502

一款Python實現的深度學習庫，包括卷積神經網路、遞歸神經網路等。運行在Theano和TensorFlow之上。

Keras是一個極簡的、高度模塊化的神經網路庫，採用Python（Python 2.7-3.5.）開發，能夠運行在TensorFlow和Theano任一平台，好項目旨在完成深度學習的快速開發。

6.RocAlphaGo

Stars：7170

學生主導的一個獨立項目，從新實現了 DeepMind在2016 Nature發表的內容， 《用深度神經網路和樹搜索學習圍棋》 (Nature 529, 484-489, 28 Jan 2016).

7.TensorFlow Models

Stars：6671

基於TensorFlow開發的模型

8.Neural Doodle

Stars：6275

運用深度神經網路將塗鴉變為優雅的藝術品，從照片生成無縫紋理，轉變圖片風格，進行基於實例的提升，等等…還有更多！（語義風格傳遞的實現）

9.CNTK

Stars：5957

深度學習工具包 。來自微軟公司的CNTK工具包的效率，「比我們所見過的都要瘋狂」。 這部分歸功於CNTK可藉助圖形處理單元（GPU）的能力，微軟自稱是唯一公開「可擴展GPU」功能的公司。（從單機上的1個、延伸至超算上的多個） 在與該公司的網路化GPU系統（稱之為Azure GPU Lab）匹配之後，它將能夠訓練深度神經網路來識別語音，讓Cortana虛擬助理的速度達到以前的十倍。

10.TensorFlow Examples

Stars：5872

適合初學者的 TensorFlow 教程和代碼示例，做了相關筆記和代碼解釋。

11.ConvNet JS

Stars：5231

ConvNetJS 是用 JavaScript 實現的神經網路，同時還有基於瀏覽器的 demo。

12.Torch

Stars：5133

Torch7，深度學習庫。

Torch7 是一個科學計算框架，支持機器學習演算法。易用而且提供高效的演算法實現，得益於 LuaJIT 和一個底層的 C 實現。

13.OpenFace

Stars：4855

基於深度學習網路的面部識別。

14.MXNet

Stars：4685

輕巧、便攜、靈活的分散式/移動深度學習框架，支持Python, R, Julia, Scala, Go, Javascript等等語言。

MXNet是一款設計為效率和靈活性的深度學習框架。它允許你混合符號編程和命令式編程，從而最大限度提高效率和生產力。在其核心是一個動態的依賴調度，它能夠自動並行符號和命令的操作。一個圖形優化層，使得符號執行速度快，內存使用高效。這個庫便攜，輕量，而且能夠擴展到多個GPU和多台機器。

15.Theano

Stars：4286

Theano 是一個 Python 庫，用來定義、優化和模擬數學表達式計算，用於高效的解決多維數組的計算問題。

16.Leaf

Stars：4281

黑客的開源機器智能框架。

17.Char RNN

Stars：3820

多層遞歸神經網路的字元級別語言模型，基於Torch開發。

18.Neural Talk

Stars：3694

NeuralTalk是一個Python+numpy項目，用多模式遞歸神經網路描述圖像。

19.deeplearning4j

Stars：3673

基於Hadoop 和 Spark的Java, Scala & Clojure深度學習工具。

Deeplearning4j（簡稱DL4J）是為Java和Scala編寫的首個商業級開源分散式深度學習庫。DL4J與Hadoop和Spark集成，為商業環境（而非研究工具目的）所設計。Skymind是DL4J的商業支持機構。

Deeplearning4j 技術先進，以即插即用為目標，通過更多預設的使用，避免太多配置，讓非研究人員也能夠進行快速的原型製作。DL4J同時可以規模化定製。DL4J遵循Apache 2.0許可協議，一切以其為基礎的衍生作品均屬於衍生作品的作者。

20.TFLearn

Stars：3368

深度學習庫，包括高層次的TensorFlow介面。

21.TensorFlow Playground

Stars：3352

神經網路模型示例。

22.OpenAI Gym

Stars：3020

一種用於開發和比較強化學習演算法的工具包。

23.Magenta

Stars：2914

Magenta: 音樂和藝術的生成與機器智能

Google Brain團隊的一組研究人員發布了一個項目Project Magenta，其主要目標是利用機器學習創作藝術和譜寫曲子。Project Magenta使用了 TensorFlow系統，研究人員在GitHub上開源了他們的模型和工具。

研究人員稱，機器生成的音樂已經存在了許多年，但它們在都缺乏長的敘事藝術。Project Magenta就試圖將故事作為機器生成音樂的重要部分。Google公布了一個DEMO（MP3）表現Magenta項目的成果。

24.Colornet

Stars：2798

用神經網路模型給灰度圖上色。

25.Synaptic

Stars：2666

基於node.js和瀏覽器的免架構神經網路庫。

26.Neural Talk 2

Stars：2550

Torch開發的圖像簡介生成代碼，運行在GPU上。

27.Image Analogies

Stars：2540

使用神經匹配和融合生成相似圖形。

28.TensorFlow Tutorials

Stars：2413

Tensorflow，從基礎原理到應用。

29.Lasagne

Stars：2355

基於Theano訓練和構建神經網路的輕型函數庫。

30.PyLearn2

Stars：2153

基於Theano的機器學習庫。

31.LISA-lab Deep Learning Tutorials

Stars：2134

深度學習教程筆記和代碼。詳情參見wiki頁面。

32.Neon

Stars：2121

Nervana?開發的一款快速、可擴展、易上手的Python深度學習框架.

neon 是 Nervana System 的深度學習軟體。根據Facebook一位研究者的基準測試，Nervana的軟體比業界知名的深度學習工具性能都要高，包括Facebook自己的Torch7和Nvidia的cuDNN。

33.Matlab Deep Learning Toolbox

Stars：2032

Matlab/Octave的深度學習工具箱。包括深度信念網路、自動編碼機、卷積神經網路、卷積自動編碼機和vanilla神經網路等。每種方法都有入門示例。

34.Deep Learning Flappy Bird

Stars：1721

使用深度強化學習破解Flappy Bird遊戲(深度 Q-學習).

35.dl-setup

Stars：1607

在深度學習機上設置軟體說明。

36.Chainer

Stars：1573

一款靈活的深度學習神經網路框架。

Chainer是深度學習的框架，Chainer在深度學習的理論演算法和實際應用之間架起一座橋樑。它的特點是強大、靈活、直觀，被認為是深度學習的靈活框架。

37.Neural Story Teller

Stars：1514

看圖講故事的遞歸神經網路模型。

38.DIGITS

Stars：1353

深度學習GPU訓練系統。

39.Deep Jazz

Stars：1229

基於Keras和Theano生成jazz的深度學習模型！

40.Tiny DNN

Stars：1183

僅引用頭文件，無依賴且使用 C ++ 11 的深度學習框架

41.Brainstorm

Stars：1143

快速、靈活、有趣的神經網路。

42.dl-docker

Stars：1044

一個用於深度學習的一體化 Docker 鏡像。 包含所有流行的 DL 框架（TensorFlow，Theano，Torch，Caffe等）。

43.Darknet

Stars：937

C語言版本的開源神經網路。

44.Theano Tutorials

Stars：904

基於Theano的機器學習入門教程，從線性回歸到卷積神經網路。

45.RNN Music Composition

Stars：904

一款生成古典音樂的遞歸神經網路工具。

46.Blocks

Stars：866

用於構建和訓練神經網路模型的Theano框架

47.TDB

Stars：860

TensorFlow的互動式、節點調試和可視化的工具。

TensorDebugger (TDB) 是深度學習調試器，使用斷點和計算機圖形化實時數據流可視化擴展 TensorFlow（谷歌的深度學習框架）。特別的是，TDB 是一個 Python 庫和 一個 Jupyter Notebook 擴展的結合，構建 Google 的 TensorFlow 框架。

48.Scikit Neural Net

Stars：849

深度神經網路入門工具，類似scikit-learn的分類器和回歸模型。

49.Veles

Stars：760

分散式機器學習平台(Python, CUDA, OpenCL)

VELES 是分散式深度學習應用系統，用戶只需要提供參數，剩下的都可以交給 VELES。VELES 使用 Python 編寫，使用 OpenCL 或者 CUDA，利用基於 Flow 的編程。它是三星開發的另一個 TensorFlow。

50.Deep Detect

Stars：759

基於C++11的深度學習介面和伺服器，與Python綁定並支持Caffe。

51.TensorFlow DeepQ

Stars：759

基於Google Tensorflow的深度Q學習演示。

52.Caffe on Spark

Stars：724

基於Spark的Caffe。

雅虎認為，深度學習應該與現有的支持特徵工程和傳統（非深度）機器學習的數據處理管道在同一個集群中，創建CaffeOnSpark意在使得深度學習訓練和測試能被嵌入到Spark應用程序中。CaffeOnSpark被設計成為一個Spark深度學習包。

53.Nolearn

Stars：702

神經網路庫的抽象，著名的Lasagne。

54.DCGAN TensorFlow

Stars：568

基於tensorflow實現的深度卷積生成對抗網路。

55.MatConvNet

Stars：479

MATLAB CNN 計算機視覺應用工具箱。

56.DeepCL

Stars：413

用於訓練深度卷積神經網路模型的OpenCL庫。

57.Visual Search Server

Stars：304

可視化搜索伺服器。一個簡單使用TensorFlow，InceptionV3模型和AWS GPU實例實現的視覺搜索伺服器。

代碼實現兩個方法，一個處理圖像搜索的伺服器和一個提取pool3功能的簡單索引器。 最近鄰搜索可以使用近似（更快）或使用精確方法（更慢）以近似方式執行。

編譯：局長

網址：GitHub 上 57 款最流行的開源深度學習項目

推薦閱讀：