GitHub 上 57 款最流行的開源深度學(xué)習(xí)項目

本文整理了 GitHub 上最流行的 57 款深度學(xué)習(xí)項目（按 stars 排名）。最后更新：2016.08.09

1.TensorFlow

使用數(shù)據(jù)流圖計算可擴(kuò)展機(jī)器學(xué)習(xí)問題

TensorFlow 是谷歌的第二代機(jī)器學(xué)習(xí)系統(tǒng)，按照谷歌所說，在某些基準(zhǔn)測試中，TensorFlow 的表現(xiàn)比第一代的 DistBelief 快了2倍。

TensorFlow 內(nèi)建深度學(xué)習(xí)的擴(kuò)展支持，任何能夠用計算流圖形來表達(dá)的計算，都可以使用 TensorFlow。任何基于梯度的機(jī)器學(xué)習(xí)算法都能夠受益于 TensorFlow 的自動分 化（auto-differentiation）。通過靈活的 Python 接口，要在 TensorFlow 中表達(dá)想法也會很容易。

2.Caffe

Stars：11799

Caffe是一個高效的開源深度學(xué)習(xí)框架。由表達(dá)式，速度和模塊化組成。

3.Neural style

Stars：10148

Torch實現(xiàn)的神經(jīng)網(wǎng)絡(luò)算法。

Neural style 是讓機(jī)器模仿已有畫作的繪畫風(fēng)格來把一張圖片重新繪制的算法。

4.deepdream

Stars：9042

Deep Dream，一款圖像識別工具

5.Keras

Stars：7502

一款Python實現(xiàn)的深度學(xué)習(xí)庫，包括卷積神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等。運行在Theano和TensorFlow之上。

Keras是一個極簡的、高度模塊化的神經(jīng)網(wǎng)絡(luò)庫，采用Python（Python 2.7-3.5.）開發(fā)，能夠運行在TensorFlow和Theano任一平臺，好項目旨在完成深度學(xué)習(xí)的快速開發(fā)。

6.RocAlphaGo

Stars：7170

學(xué)生主導(dǎo)的一個獨立項目，從新實現(xiàn)了 DeepMind在2016 Nature發(fā)表的內(nèi)容， 《用深度神經(jīng)網(wǎng)絡(luò)和樹搜索學(xué)習(xí)圍棋》 (Nature 529, 484-489, 28 Jan 2016).

7.TensorFlow Models

Stars：6671

基于TensorFlow開發(fā)的模型

8.Neural Doodle

Stars：6275

運用深度神經(jīng)網(wǎng)絡(luò)將涂鴉變?yōu)閮?yōu)雅的藝術(shù)品，從照片生成無縫紋理，轉(zhuǎn)變圖片風(fēng)格，進(jìn)行基于實例的提升，等等…還有更多?。ㄕZ義風(fēng)格傳遞的實現(xiàn)）

9.CNTK

Stars：5957

深度學(xué)習(xí)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”。 這部分歸功于CNTK可借助圖形處理單元（GPU）的能力，微軟自稱是唯一公開“可擴(kuò)展GPU”功能的公司。（從單機(jī)上的1個、延伸至超算上的多個） 在與該公司的網(wǎng)絡(luò)化GPU系統(tǒng)（稱之為Azure GPU Lab）匹配之后，它將能夠訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)來識別語音，讓Cortana虛擬助理的速度達(dá)到以前的十倍。

10.TensorFlow Examples

Stars：5872

適合初學(xué)者的 TensorFlow 教程和代碼示例，做了相關(guān)筆記和代碼解釋。

11.ConvNet JS

Stars：5231

ConvNetJS 是用 JavaScript 實現(xiàn)的神經(jīng)網(wǎng)絡(luò)，同時還有基于瀏覽器的 demo。

12.Torch

Stars：5133

Torch7，深度學(xué)習(xí)庫。

Torch7 是一個科學(xué)計算框架，支持機(jī)器學(xué)習(xí)算法。易用而且提供高效的算法實現(xiàn)，得益于 LuaJIT 和一個底層的 C 實現(xiàn)。

13.OpenFace

Stars：4855

基于深度學(xué)習(xí)網(wǎng)絡(luò)的面部識別。

14.MXNet

Stars：4685

輕巧、便攜、靈活的分布式/移動深度學(xué)習(xí)框架，支持Python, R, Julia, Scala, Go, Javascript等等語言。

MXNet是一款設(shè)計為效率和靈活性的深度學(xué)習(xí)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(chǎn)力。在其核心是一個動態(tài)的依賴調(diào)度，它能夠自動并行符號和命令的操作。一個圖形優(yōu)化層，使得符號執(zhí)行速度快，內(nèi)存使用高效。這個庫便攜，輕量，而且能夠擴(kuò)展到多個GPU和多臺機(jī)器。

15.Theano

Stars：4286

Theano 是一個 Python 庫，用來定義、優(yōu)化和模擬數(shù)學(xué)表達(dá)式計算，用于高效的解決多維數(shù)組的計算問題。

16.Leaf

Stars：4281

黑客的開源機(jī)器智能框架。

17.Char RNN

Stars：3820

多層遞歸神經(jīng)網(wǎng)絡(luò)的字符級別語言模型，基于Torch開發(fā)。

18.Neural Talk

Stars：3694

NeuralTalk是一個Python+numpy項目，用多模式遞歸神經(jīng)網(wǎng)絡(luò)描述圖像。

19.deeplearning4j

Stars：3673

基于Hadoop 和 Spark的Java, Scala & Clojure深度學(xué)習(xí)工具。

Deeplearning4j（簡稱DL4J）是為Java和Scala編寫的首個商業(yè)級開源分布式深度學(xué)習(xí)庫。DL4J與Hadoop和Spark集成，為商業(yè)環(huán)境（而非研究工具目的）所設(shè)計。Skymind是DL4J的商業(yè)支持機(jī)構(gòu)。

Deeplearning4j 技術(shù)先進(jìn)，以即插即用為目標(biāo)，通過更多預(yù)設(shè)的使用，避免太多配置，讓非研究人員也能夠進(jìn)行快速的原型制作。DL4J同時可以規(guī)?；ㄖ?。DL4J遵循Apache 2.0許可協(xié)議，一切以其為基礎(chǔ)的衍生作品均屬于衍生作品的作者。

20.TFLearn

Stars：3368

深度學(xué)習(xí)庫，包括高層次的TensorFlow接口。

21.TensorFlow Playground

Stars：3352

神經(jīng)網(wǎng)絡(luò)模型示例。

22.OpenAI Gym

Stars：3020

一種用于開發(fā)和比較強(qiáng)化學(xué)習(xí)算法的工具包。

23.Magenta

Stars：2914

Magenta: 音樂和藝術(shù)的生成與機(jī)器智能

Google Brain團(tuán)隊的一組研究人員發(fā)布了一個項目Project Magenta，其主要目標(biāo)是利用機(jī)器學(xué)習(xí)創(chuàng)作藝術(shù)和譜寫曲子。Project Magenta使用了 TensorFlow系統(tǒng)，研究人員在GitHub上開源了他們的模型和工具。

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

24.Colornet

Stars：2798

用神經(jīng)網(wǎng)絡(luò)模型給灰度圖上色。

25.Synaptic

Stars：2666

基于node.js和瀏覽器的免架構(gòu)神經(jīng)網(wǎng)絡(luò)庫。

26.Neural Talk 2

Stars：2550

Torch開發(fā)的圖像簡介生成代碼，運行在GPU上。

27.Image Analogies

Stars：2540

使用神經(jīng)匹配和融合生成相似圖形。

28.TensorFlow Tutorials

Stars：2413

Tensorflow，從基礎(chǔ)原理到應(yīng)用。

29.Lasagne

Stars：2355

基于Theano訓(xùn)練和構(gòu)建神經(jīng)網(wǎng)絡(luò)的輕型函數(shù)庫。

30.PyLearn2

Stars：2153

基于Theano的機(jī)器學(xué)習(xí)庫。

31.LISA-lab Deep Learning Tutorials

Stars：2134

深度學(xué)習(xí)教程筆記和代碼。詳情參見wiki頁面。

32.Neon

Stars：2121

Nervana?開發(fā)的一款快速、可擴(kuò)展、易上手的Python深度學(xué)習(xí)框架.

neon 是 Nervana System 的深度學(xué)習(xí)軟件。根據(jù)Facebook一位研究者的基準(zhǔn)測試，Nervana的軟件比業(yè)界知名的深度學(xué)習(xí)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(xué)習(xí)工具箱。包括深度信念網(wǎng)絡(luò)、自動編碼機(jī)、卷積神經(jīng)網(wǎng)絡(luò)、卷積自動編碼機(jī)和vanilla神經(jīng)網(wǎng)絡(luò)等。每種方法都有入門示例。

34.Deep Learning Flappy Bird

Stars：1721

使用深度強(qiáng)化學(xué)習(xí)破解Flappy Bird游戲(深度 Q-學(xué)習(xí)).

35.dl-setup

Stars：1607

在深度學(xué)習(xí)機(jī)上設(shè)置軟件說明。

36.Chainer

Stars：1573

一款靈活的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)框架。

Chainer是深度學(xué)習(xí)的框架，Chainer在深度學(xué)習(xí)的理論算法和實際應(yīng)用之間架起一座橋梁。它的特點是強(qiáng)大、靈活、直觀，被認(rèn)為是深度學(xué)習(xí)的靈活框架。

37.Neural Story Teller

Stars：1514

看圖講故事的遞歸神經(jīng)網(wǎng)絡(luò)模型。

38.DIGITS

Stars：1353

深度學(xué)習(xí)GPU訓(xùn)練系統(tǒng)。

39.Deep Jazz

Stars：1229

基于Keras和Theano生成jazz的深度學(xué)習(xí)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(xué)習(xí)框架

41.Brainstorm

Stars：1143

快速、靈活、有趣的神經(jīng)網(wǎng)絡(luò)。

42.dl-docker

Stars：1044

一個用于深度學(xué)習(xí)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(jīng)網(wǎng)絡(luò)。

44.Theano Tutorials

Stars：904

基于Theano的機(jī)器學(xué)習(xí)入門教程，從線性回歸到卷積神經(jīng)網(wǎng)絡(luò)。

45.RNN Music Composition

Stars：904

一款生成古典音樂的遞歸神經(jīng)網(wǎng)絡(luò)工具。

46.Blocks

Stars：866

用于構(gòu)建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的Theano框架

47.TDB

Stars：860

TensorFlow的交互式、節(jié)點調(diào)試和可視化的工具。

TensorDebugger (TDB) 是深度學(xué)習(xí)調(diào)試器，使用斷點和計算機(jī)圖形化實時數(shù)據(jù)流可視化擴(kuò)展 TensorFlow（谷歌的深度學(xué)習(xí)框架）。特別的是，TDB 是一個 Python 庫和 一個 Jupyter Notebook 擴(kuò)展的結(jié)合，構(gòu)建 Google 的 TensorFlow 框架。

48.Scikit Neural Net

Stars：849

深度神經(jīng)網(wǎng)絡(luò)入門工具，類似scikit-learn的分類器和回歸模型。

49.Veles

Stars：760

分布式機(jī)器學(xué)習(xí)平臺(Python, CUDA, OpenCL)

VELES 是分布式深度學(xué)習(xí)應(yīng)用系統(tǒng)，用戶只需要提供參數(shù)，剩下的都可以交給 VELES。VELES 使用 Python 編寫，使用 OpenCL 或者 CUDA，利用基于 Flow 的編程。它是三星開發(fā)的另一個 TensorFlow。

50.Deep Detect

Stars：759

基于C++11的深度學(xué)習(xí)接口和服務(wù)器，與Python綁定并支持Caffe。

51.TensorFlow DeepQ

Stars：759

基于Google Tensorflow的深度Q學(xué)習(xí)演示。

52.Caffe on Spark

Stars：724

基于Spark的Caffe。

雅虎認(rèn)為，深度學(xué)習(xí)應(yīng)該與現(xiàn)有的支持特征工程和傳統(tǒng)（非深度）機(jī)器學(xué)習(xí)的數(shù)據(jù)處理管道在同一個集群中，創(chuàng)建CaffeOnSpark意在使得深度學(xué)習(xí)訓(xùn)練和測試能被嵌入到Spark應(yīng)用程序中。CaffeOnSpark被設(shè)計成為一個Spark深度學(xué)習(xí)包。

53.Nolearn

Stars：702

神經(jīng)網(wǎng)絡(luò)庫的抽象，著名的Lasagne。

54.DCGAN TensorFlow

Stars：568

基于tensorflow實現(xiàn)的深度卷積生成對抗網(wǎng)絡(luò)。

55.MatConvNet

Stars：479

MATLAB CNN 計算機(jī)視覺應(yīng)用工具箱。

56.DeepCL

Stars：413

用于訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)模型的OpenCL庫。

57.Visual Search Server

Stars：304

可視化搜索服務(wù)器。一個簡單使用TensorFlow，InceptionV3模型和AWS GPU實例實現(xiàn)的視覺搜索服務(wù)器。

代碼實現(xiàn)兩個方法，一個處理圖像搜索的服務(wù)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(zhí)行。

來源：Top Deep Learning Projects