標籤:

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:

如何評價 GitHub 的新黑色 header?
有什麼高質量的現代C++風格的開源代碼?
GitHub 中為什麼有了 Watch 又增加了一個 Star 呢?
GitHub 為什麼討人喜歡?
自建免費PYTHON爬蟲代理IP池

TAG:GitHub |