GitHub上最受欢迎的57个深度学习开源项目

GitHub上最受欢迎的57个深度学习开源项目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。Neuralstyle实现的神经网络算法。Neuralstyle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（Python2.7-3.5.）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学生主导的一个独立项目，从新实现了DeepMind在2016Nature发表的内容，《用深度神经网络和树搜索学习围棋》(Nature529,484-489,28Jan2016)。TensorFlowModels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。NeuralDoodle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AzureGPULab）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。TensorFlowExamples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。ConvNetJS是用JavaScript实现的神经网络，同时还有基于浏览器的demo。Torch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:AUnifiedEmbeddingforFaceRecognitionandClustering》。Openface是卡内基梅隆大学的BrandonAmos主导的。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TensorFlowTorch,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。CharRNN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/NeuralNets新手，那么这对于你去理解它们有很大的帮助。NeuralTalk是一个Python+numpy项目，用多模式递归神经网络描述图像。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Apache2.0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。TensorFlowPlayground神经网络模型示例。TensorFlowPlayground是一个神经网络的交互式可视化，这是使用d3.js写的。OpenAIGym一种用于开发和比较强化学习算法的工具包。Magenta:音乐和艺术的生成与机器智能。GoogleBrain团队的一组研究人员发布了一个项目ProjectMagenta，其主要目标是利用机器学习创作艺术和谱写曲子。ProjectMagenta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。ProjectMagenta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用神经网络模型给灰度图上色。Synaptic基于node.js和浏览器的免架构神经网络库。NeuralTalk2开发的图像简介生成代码，运行在GPU上。ImageAnalogies使用神经匹配和融合生成相似图形。TensorFlowTutorials，从基础原理到应用。Lasagne基于Theano训练和构建神经网络的轻型函数库。PyLearn2基于Theano的机器学习库。LISA-labDeepLearningTutorials深度学习教程笔记和代码。详情参见wiki页面。Neon开发的一款快速、可扩展、易上手的Python深度学习框架。neon是NervanaSystem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。MatlabDeepLearningToolbox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。DeepLearningFlappyBird使用深度强化学习破解FlappyBird游戏（深度Q-学习）。dl-setup在深度学习机上设置软件说明。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。NeuralStoryTeller看图讲故事的递归神经网络模型。DIGITS深度学习GPU训练系统。DeepJazz