GitHub 上 57 款最流行的开源深度学习项目
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.TensorFlow
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.Caffe
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.Neural style
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.deepdream
Stars：9042
Deep Dream，一款图像识别工具
5.Keras
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.RocAlphaGo
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.TensorFlow Models
Stars：6671
基于TensorFlow开发的模型
8.Neural Doodle
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）
![文档/ Landscape_example.png]()
9.CNTK
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.TensorFlow Examples
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.ConvNet JS
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.Torch
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.OpenFace
Stars：4855
基于深度学习网络的面部识别。
14.MXNet
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。
![旗帜]()
15.Theano
Stars：4286
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.Leaf
Stars：4281
黑客的开源机器智能框架。
![]()
17.Char RNN
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.Neural Talk
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.deeplearning4j
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.TFLearn
Stars：3368
深度学习库，包括高层次的TensorFlow接口。
21.TensorFlow Playground
Stars：3352
神经网络模型示例。
22.OpenAI Gym
Stars：3020
一种用于开发和比较强化学习算法的工具包。
23.Magenta
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。
![]()
24.Colornet
Stars：2798
用神经网络模型给灰度图上色。
![grayscale-pred-groundtruth]()
25.Synaptic
Stars：2666
基于node.js和浏览器的免架构神经网络库。
26.Neural Talk 2
Stars：2550
Torch开发的图像简介生成代码，运行在GPU上。
![传情结果]()
27.Image Analogies
Stars：2540
使用神经匹配和融合生成相似图形。
![史蒂夫糖图像]()
28.TensorFlow Tutorials
Stars：2413
Tensorflow，从基础原理到应用。
29.Lasagne
Stars：2355
基于Theano训练和构建神经网络的轻型函数库。
30.PyLearn2
Stars：2153
基于Theano的机器学习库。
31.LISA-lab Deep Learning Tutorials
Stars：2134
深度学习教程笔记和代码。详情参见wiki页面。
32.Neon
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.Matlab Deep Learning Toolbox
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.Deep Learning Flappy Bird
Stars：1721
使用深度强化学习破解Flappy Bird游戏(深度 Q-学习).
![]()
35.dl-setup
Stars：1607
在深度学习机上设置软件说明。
36.Chainer
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.Neural Story Teller
Stars：1514
看图讲故事的递归神经网络模型。
38.DIGITS
Stars：1353
深度学习GPU训练系统。
39.Deep Jazz
Stars：1229
基于Keras和Theano生成jazz的深度学习模型！
![deepjazz]()
40.Tiny DNN
Stars：1183
仅引用头文件，无依赖且使用 C ++ 11 的深度学习框架
![]()
41.Brainstorm
Stars：1143
快速、灵活、有趣的神经网络。
42.dl-docker
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.Darknet
Stars：937
C语言版本的开源神经网络。
![地下网络标志]()
44.Theano Tutorials
Stars：904
基于Theano的机器学习入门教程，从线性回归到卷积神经网络。
45.RNN Music Composition
Stars：904
一款生成古典音乐的递归神经网络工具。
46.Blocks
Stars：866
用于构建和训练神经网络模型的Theano框架
47.TDB
Stars：860
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。
![heterogenous]()
48.Scikit Neural Net
Stars：849
深度神经网络入门工具，类似scikit-learn的分类器和回归模型。
![文档/ plot_activation.png]()
49.Veles
Stars：760
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。
50.Deep Detect
Stars：759
基于C++11的深度学习接口和服务器，与Python绑定并支持Caffe。
51.TensorFlow DeepQ
Stars：759
基于Google Tensorflow的深度Q学习演示。
52.Caffe on Spark
Stars：724
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。
![]()
53.Nolearn
Stars：702
神经网络库的抽象，著名的Lasagne。
54.DCGAN TensorFlow
Stars：568
基于tensorflow实现的深度卷积生成对抗网络。
![ALT标签]()
55.MatConvNet
Stars：479
MATLAB CNN 计算机视觉应用工具箱。
56.DeepCL
Stars：413
用于训练深度卷积神经网络模型的OpenCL库。
57.Visual Search Server
Stars：304
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。
![]()
来源：Top Deep Learning Projects
