GitHub上最受欢迎的57个深度学习开源项目 - ®Geovin Du Dream Park™

GitHub上最受欢迎的57个深度学习开源项目

来源：Top Deep Learning Projects

 

 

深度学习在各个领域大放异彩，让很多人尝到了人工智能的甜头。本文向大家推荐github上最受欢迎的57款开源深度学习项目，你可以根据自己的需求和喜好试玩，也许会发现开启新世界的大门的钥匙。在下面的介绍中，将按照项目的star数量进行排列，当然随着时间的变化，排名可能会有差异。

 

TensorFlow

https://github.com/tensorflow/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，在某些基准测试中，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。

 

 

 

 

Caffe

https://github.com/BVLC/caffe

 

Caffe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给出了模型的定义、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模型。

 

 

 

 

Neural style

https://github.com/jcjohnson/neural-style

 

Torch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。

 

 

deepdream

https://github.com/google/deepdream

 

Deep 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，选择某一层神经网路（Google 的神经网路有 10-30 层）进行重复处理的次数和变形的程度，就能获得一张非常后现代的「画作」。

 

 

Keras

https://github.com/fchollet/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（Python 2.7-3.5.）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

https://github.com/Rochester-NRT/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 Models

https://github.com/tensorflow/models

 

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

https://github.com/alexjc/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…还有更多！（语义风格传递的实现）

 

 

CNTK

https://github.com/Microsoft/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，让Cortana虚拟助理的速度达到以前的十倍。

 

 

TensorFlow Examples

https://github.com/aymericdamien/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 JS

https://github.com/karpathy/convnetjs

 

ConvNetJS 是用 JavaScript 实现的神经网络，同时还有基于浏览器的 demo。

 

Torch

https://github.com/torch/torch7

 

Torch7 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

https://github.com/cmusatyalab/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paper《FaceNet: A Unified Embedding for Face Recognition and Clustering》。Openface是卡内基梅隆大学的 Brandon Amos主导的。

 

 

 

MXNet

https://github.com/dmlc/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

https://github.com/Theano/Theano

 

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

https://github.com/autumnai/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，并提出模块化、性能和便携性的深度学习。

 

Char RNN

https://github.com/karpathy/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 Talk

https://github.com/karpathy/neuraltalk

 

NeuralTalk是一个Python+numpy项目，用多模式递归神经网络描述图像。

 

deeplearning4j

https://github.com/deeplearning4j/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。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

https://github.com/tflearn/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

https://github.com/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

https://github.com/openai/gym

 

一种用于开发和比较强化学习算法的工具包。

 

Magenta

https://github.com/tensorflow/magenta

 

Magenta: 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，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

https://github.com/pavelgonchar/colornet

 

用神经网络模型给灰度图上色。

 

 

Synaptic

https://github.com/cazala/synaptic

基于node.js和浏览器的免架构神经网络库。

 

Neural Talk 2

https://github.com/karpathy/neuraltalk2

 

Torch开发的图像简介生成代码，运行在GPU上。

 

 

Image Analogies

https://github.com/awentzonline/image-analogies

 

使用神经匹配和融合生成相似图形。

 

 

 

 

TensorFlow Tutorials

https://github.com/pkmital/tensorflow_tutorials

Tensorflow，从基础原理到应用。

 

Lasagne

https://github.com/Lasagne/Lasagne

 

基于Theano训练和构建神经网络的轻型函数库。

 

PyLearn2

https://github.com/lisa-lab/pylearn2

 

基于Theano的机器学习库。

 

LISA-lab Deep Learning Tutorials

https://github.com/lisa-lab/DeepLearningTutorials

 

深度学习教程笔记和代码。详情参见wiki页面。

 

Neon

https://github.com/NervanaSystems/neon

 

Nervana™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Nvidia的cuDNN。

 

Matlab Deep Learning Toolbox

https://github.com/rasmusbergpalm/DeepLearnToolbox

 

Matlab/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

https://github.com/yenchenlin1994/DeepLearningFlappyBird

 

使用深度强化学习破解Flappy Bird游戏（深度 Q-学习）。

 

 

dl-setup

https://github.com/saiprashanths/dl-setup

 

在深度学习机上设置软件说明。

 

Chainer

https://github.com/pfnet/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。

 

Neural Story Teller

https://github.com/ryankiros/neural-storyteller

 

看图讲故事的递归神经网络模型。

 

DIGITS

https://github.com/NVIDIA/DIGITS

 

深度学习GPU训练系统。

 

Deep Jazz

https://github.com/jisungk/deepjazz

 

基于Keras和Theano生成jazz的深度学习模型！

 

 

Tiny DNN

https://github.com/tiny-dnn/tiny-dnn

 

仅引用头文件，无依赖且使用 C ++ 11 的深度学习框架。

 

 

 

 

Brainstorm

https://github.com/IDSIA/brainstorm

 

快速、灵活、有趣的神经网络。

 

dl-docker

https://github.com/saiprashanths/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）。

 

Darknet

https://github.com/pjreddie/darknet

 

C语言版本的开源神经网络。

 

 

 

 

Theano Tutorials

https://github.com/Newmu/Theano-Tutorial

基于Theano的机器学习入门教程，从线性回归到卷积神经网络。

 

RNN Music Composition

https://github.com/hexahedria/biaxial-rnn-music-composition

一款生成古典音乐的递归神经网络工具。

 

Blocks

https://github.com/mila-udem/blocks

用于构建和训练神经网络模型的Theano框架

 

TDB

https://github.com/ericjang/tdb

 

TensorFlow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

https://github.com/aigamedev/scikit-neuralnetwork

深度神经网络入门工具，类似scikit-learn的分类器和回归模型。

 

 

 

 

Veles

https://github.com/samsung/veles

 

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

https://github.com/beniz/deepdetect

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

https://github.com/nivwusquorum/tensorflow-deepq

基于Google Tensorflow的深度Q学习演示。

 

Caffe on Spark

https://github.com/yahoo/CaffeOnSpark

 

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

https://github.com/dnouri/nolearn

神经网络库的抽象，著名的Lasagne。

 

DCGAN TensorFlow

https://github.com/carpedm20/DCGAN-tensorflow

Stars：568

 

基于tensorflow实现的深度卷积生成对抗网络。

 

 

 

 

MatConvNet

https://github.com/vlfeat/matconvnet

MATLAB CNN 计算机视觉应用工具箱。

 

DeepCL

https://github.com/hughperkins/DeepCL

用于训练深度卷积神经网络模型的OpenCL库。

 

Visual Search Server

https://github.com/AKSHAYUBHAT/VisualSearchServer

可视化搜索服务器。一个简单使用TensorFlow，InceptionV3模型和AWS GPU实例实现的视觉搜索服务器。

代码实现两个方法，一个处理图像搜索的服务器和一个提取pool3功能的简单索引器。 最近邻搜索可以使用近似（更快）或使用精确方法（更慢）以近似方式执行。