本文整理了 GitHub 上最流行的 57 款深度學習項目（按 stars 排名）。最后更新：2016.08.09
Stars：29622
使用數(shù)據(jù)流圖計算可擴展機器學習問題
TensorFlow 是谷歌的第二代機器學習系統(tǒng)，按照谷歌所說，在某些基準測試中，TensorFlow 的表現(xiàn)比第一代的 DistBelief 快了2倍。
TensorFlow 內(nèi)建深度學習的擴展支持，任何能夠用計算流圖形來表達的計算，都可以使用 TensorFlow。任何基于梯度的機器學習算法都能夠受益于 TensorFlow 的自動分 化（auto-differentiation）。通過靈活的Python接口，要在 TensorFlow 中表達想法也會很容易。2.Caffe
Stars：11799
Caffe是一個高效的開源深度學習框架。由表達式，速度和模塊化組成。
Stars：10148
Torch實現(xiàn)的神經(jīng)網(wǎng)絡算法。
Neural style 是讓機器模仿已有畫作的繪畫風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)的深度學習庫，包括卷積神經(jīng)網(wǎng)絡、遞歸神經(jīng)網(wǎng)絡等。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習的快速開發(fā)。
Stars：7170
學生主導的一個獨立項目，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)絡和樹搜索學習圍棋》 (Nature 529, 484-489, 28 Jan 2016).
Stars：6671
基于TensorFlow開發(fā)的模型
Stars：6275
運用深度神經(jīng)網(wǎng)絡將涂鴉變?yōu)閮?yōu)雅的藝術品，從照片生成無縫紋理，轉(zhuǎn)變圖片風格，進行基于實例的提升，等等…還有更多?。ㄕZ義風格傳遞的實現(xiàn)）
9.CNTK
Stars：5957
深度學習工具包 。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“可擴展GPU”功能的公司。（從單機上的1個、延伸至超算上的多個） 在與該公司的網(wǎng)絡化GPU系統(tǒng)（稱之為Azure GPU Lab）匹配之后，它將能夠訓練深度神經(jīng)網(wǎng)絡來識別語音，讓Cortana虛擬助理的速度達到以前的十倍。
Stars：5872
適合初學者的 TensorFlow 教程和代碼示例，做了相關筆記和代碼解釋。
11.ConvNet JS
Stars：5231
ConvNetJS 是用JavaScript實現(xiàn)的神經(jīng)網(wǎng)絡，同時還有基于瀏覽器的 demo。
12.Torch
Stars：5133
Torch7，深度學習庫。
Torch7 是一個科學計算框架，支持機器學習算法。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
基于深度學習網(wǎng)絡的面部識別。
14.MXNet
Stars：4685
輕巧、便攜、靈活的分布式/移動深度學習框架，支持Python, R, Julia,Scala,Go,javascript等等語言。
MXNet是一款設計為效率和靈活性的深度學習框架。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，而且能夠擴展到多個GPU和多臺機器。
15.Theano
Stars：4286
Theano 是一個 Python 庫，用來定義、優(yōu)化和模擬數(shù)學表達式計算，用于高效的解決多維數(shù)組的計算問題。
16.Leaf
Stars：4281
黑客的開源機器智能框架。
17.Char RNN
Stars：3820
多層遞歸神經(jīng)網(wǎng)絡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)絡描述圖像。
Stars：3673
基于Hadoop和Spark的Java,scala& Clojure深度學習工具。
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習庫。DL4J與hadoop和Spark集成，為商業(yè)環(huán)境（而非研究工具目的）所設計。Skymind是DL4J的商業(yè)支持機構。
Deeplearning4j 技術先進，以即插即用為目標，通過更多預設的使用，避免太多配置，讓非研究人員也能夠進行快速的原型制作。DL4J同時可以規(guī)?；ㄖ啤L4J遵循Apache 2.0許可協(xié)議，一切以其為基礎的衍生作品均屬于衍生作品的作者。
20.TFLearn
Stars：3368
深度學習庫，包括高層次的TensorFlow接口。
Stars：3352
神經(jīng)網(wǎng)絡模型示例。
22.OpenAI Gym
Stars：3020
一種用于開發(fā)和比較強化學習算法的工具包。
23.Magenta
Stars：2914
Magenta: 音樂和藝術的生成與機器智能
Google Brain團隊的一組研究人員發(fā)布了一個項目Project Magenta，其主要目標是利用機器學習創(chuàng)作藝術和譜寫曲子。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。Project Magenta就試圖將故事作為機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)絡模型給灰度圖上色。
25.Synaptic
Stars：2666
基于Node.js和瀏覽器的免架構神經(jīng)網(wǎng)絡庫。
Stars：2550
Torch開發(fā)的圖像簡介生成代碼，運行在GPU上。
Stars：2540
使用神經(jīng)匹配和融合生成相似圖形。
Stars：2413
Tensorflow，從基礎原理到應用。
29.Lasagne
Stars：2355
基于Theano訓練和構建神經(jīng)網(wǎng)絡的輕型函數(shù)庫。
30.PyLearn2
Stars：2153
基于Theano的機器學習庫。
31.LISA-lab Deep Learning Tutorials
Stars：2134
深度學習教程筆記和代碼。詳情參見wiki頁面。
32.Neon
Stars：2121
Nervana?開發(fā)的一款快速、可擴展、易上手的Python深度學習框架.
neon 是 Nervana System 的深度學習軟件。根據(jù)Facebook一位研究者的基準測試，Nervana的軟件比業(yè)界知名的深度學習工具性能都要高，包括Facebook自己的Torch7和Nvidia的cuDNN。
33.Matlab Deep Learning Toolbox
Stars：2032
Matlab/Octave的深度學習工具箱。包括深度信念網(wǎng)絡、自動編碼機、卷積神經(jīng)網(wǎng)絡、卷積自動編碼機和vanilla神經(jīng)網(wǎng)絡等。每種方法都有入門示例。
Stars：1721
使用深度強化學習破解Flappy Bird游戲(深度 Q-學習).
35.dl-setup
Stars：1607
在深度學習機上設置軟件說明。
36.Chainer
Stars：1573
一款靈活的深度學習神經(jīng)網(wǎng)絡框架。
Chainer是深度學習的框架，Chainer在深度學習的理論算法和實際應用之間架起一座橋梁。它的特點是強大、靈活、直觀，被認為是深度學習的靈活框架。
Stars：1514
看圖講故事的遞歸神經(jīng)網(wǎng)絡模型。
38.DIGITS
Stars：1353
深度學習GPU訓練系統(tǒng)。
39.Deep Jazz
Stars：1229
基于Keras和Theano生成jazz的深度學習模型！
40.Tiny DNN
Stars：1183
僅引用頭文件，無依賴且使用 C ++ 11 的深度學習框架
41.Brainstorm
Stars：1143
快速、靈活、有趣的神經(jīng)網(wǎng)絡。
42.dl-docker
Stars：1044
一個用于深度學習的一體化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。
Stars：904
基于Theano的機器學習入門教程，從線性回歸到卷積神經(jīng)網(wǎng)絡。
Stars：904
一款生成古典音樂的遞歸神經(jīng)網(wǎng)絡工具。
46.Blocks
Stars：866
用于構建和訓練神經(jīng)網(wǎng)絡模型的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) 是深度學習調(diào)試器，使用斷點和計算機圖形化實時數(shù)據(jù)流可視化擴展 TensorFlow（谷歌的深度學習框架）。特別的是，TDB 是一個 Python 庫和 一個 Jupyter Notebook 擴展的結合，構建 Google 的 TensorFlow 框架。
Stars：849
深度神經(jīng)網(wǎng)絡入門工具，類似scikit-learn的分類器和回歸模型。
49.Veles
Stars：760
分布式機器學習平臺(Python, CUDA, OpenCL)
VELES 是分布式深度學習應用系統(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的深度學習接口和服務器，與Python綁定并支持Caffe。
Stars：759
基于Google Tensorflow的深度Q學習演示。
Stars：724
基于Spark的Caffe。
雅虎認為，深度學習應該與現(xiàn)有的支持特征工程和傳統(tǒng)（非深度）機器學習的數(shù)據(jù)處理管道在同一個集群中，創(chuàng)建CaffeOnSpark意在使得深度學習訓練和測試能被嵌入到Spark應用程序中。CaffeOnSpark被設計成為一個Spark深度學習包。
53.Nolearn
Stars：702
神經(jīng)網(wǎng)絡庫的抽象，著名的Lasagne。
Stars：568
基于tensorflow實現(xiàn)的深度卷積生成對抗網(wǎng)絡。
55.MatConvNet
Stars：479
MATLAB CNN計算機視覺應用工具箱。
56.DeepCL
Stars：413
用于訓練深度卷積神經(jīng)網(wǎng)絡模型的OpenCL庫。
Stars：304
可視化搜索服務器。一個簡單使用TensorFlow，InceptionV3模型和AWS GPU實例實現(xiàn)的視覺搜索服務器。
代碼實現(xiàn)兩個方法，一個處理圖像搜索的服務器和一個提取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。
相關鏈接
TensorFlow 的詳細介紹：點擊查看
TensorFlow 的下載地址：點擊下載
