GitHub上57款最流⾏的开源深度学习项⽬【转】
本⽂整理了 GitHub 上最流⾏的 57 款深度学习项⽬（按 stars 排名）。最后更新：2016.08.09
1.
Stars：29622
使⽤数据流图计算可扩展机器学习问题
TensorFlow 是⾕歌的第⼆代机器学习系统，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。
2.
Stars：11799
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。
3.
Stars：10148
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。
4.
Stars：9042
Deep Dream，⼀款图像识别⼯具
5.
Stars：7502
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。
6.
Stars：7170
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).
7.
Stars：6671
基于TensorFlow开发的模型
8.
Stars：6275
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）
9.
Stars：5957
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。
10.
Stars：5872
适合初学者的 TensorFlow 教程和代码⽰例，做了相关笔记和代码解释。
11.
Stars：5231
ConvNetJS 是⽤ JavaScript 实现的神经⽹络，同时还有基于浏览器的 demo。
12.
Stars：5133
Torch7，深度学习库。
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。
13.
Stars：4855
基于深度学习⽹络的⾯部识别。
14.
Stars：4685
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 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。
16.
Stars：4281
⿊客的开源机器智能框架。
17.
Stars：3820
多层递归神经⽹络的字符级别语⾔模型，基于Torch开发。
18.
Stars：3694
NeuralTalk是⼀个Python+numpy项⽬，⽤多模式递归神经⽹络描述图像。
19.
Stars：3673
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。
20.
Stars：3368
深度学习库，包括⾼层次的TensorFlow接⼝。
21.
Stars：3352
神经⽹络模型⽰例。
22.
Stars：3020
⼀种⽤于开发和⽐较强化学习算法的⼯具包。
23.
Stars：2914
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。
⽤神经⽹络模型给灰度图上⾊。
25.开源项目
Stars：2666
基于node.js和浏览器的免架构神经⽹络库。
26.
Stars：2550
Torch开发的图像简介⽣成代码，运⾏在GPU上。
27.
Stars：2540
使⽤神经匹配和融合⽣成相似图形。
28.
Stars：2413
Tensorflow，从基础原理到应⽤。
29.
Stars：2355
基于Theano训练和构建神经⽹络的轻型函数库。
30.
Stars：2153
基于Theano的机器学习库。
31.
Stars：2134
深度学习教程笔记和代码。详情参见wiki页⾯。
32.
Stars：2121
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。
33.
Stars：2032
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。
34.
Stars：1721
使⽤深度强化学习破解Flappy Bird游戏(深度 Q-学习).
35.
Stars：1607
在深度学习机上设置软件说明。
36.
Stars：1573
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。
37.
Stars：1514
看图讲故事的递归神经⽹络模型。
38.
Stars：1353
深度学习GPU训练系统。
39.
Stars：1229
基于Keras和Theano⽣成jazz的深度学习模型！
40.
Stars：1183
仅引⽤头⽂件，⽆依赖且使⽤ C ++ 11 的深度学习框架
41.
Stars：1143
快速、灵活、有趣的神经⽹络。
42.
Stars：1044
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）。
43.
Stars：937
C语⾔版本的开源神经⽹络。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。