電子發(fā)燒友App
深度學(xué)習(xí)是一種基于對數(shù)據(jù)進(jìn)行表證學(xué)習(xí)的機(jī)器學(xué)習(xí)方法，近些年不斷發(fā)展并廣受歡迎。
作為一個相對較新的概念，對于無論是想要進(jìn)入該領(lǐng)域的初學(xué)者，還是已經(jīng)熟知方法的老手來說，觸手可及的學(xué)習(xí)資源太豐富了。
為了不被日新月異的技術(shù)和潮流所淘汰，積極參與深度學(xué)習(xí)社區(qū)中開源項目的學(xué)習(xí)和互動是個很好的方法。
在本文中文小編將為大家詳細(xì)介紹16種GitHub中最受歡迎的深度學(xué)習(xí)開源平臺和開源庫，除此之外，還有些比較不錯的平臺和框架雖然沒有進(jìn)入榜單，文小編也列了出來，供大家參考。
GitHub收藏和貢獻(xiàn)率最高的16個開源深度學(xué)習(xí)框架，圓圈的顏色越偏綠色表示框架越新，顏色越偏藍(lán)色表明框架的時間越早。
從上圖可知，TensorFlow高居榜首，第二名和第三名的是分別是Keras和Caffe。下面文小編就將這些資源分享給大家。
16個最棒的深度學(xué)習(xí)開源框架和平臺
TensorFlow最初由谷歌的Machine Intelligence research organization 中Google Brain Team的研究人員和工程師開發(fā)的。這個框架旨在方便研究人員對機(jī)器學(xué)習(xí)的研究，并簡化從研究模型到實際生產(chǎn)的遷移的過程。
收藏： 96655， 貢獻(xiàn)人數(shù)： 1432， 程序提交次數(shù)： 31714， 建立日期： 2015年11月1日。
鏈接：https://github.com/tensorflow/tensorflow
2 Keras
Keras是用Python編寫的高級神經(jīng)網(wǎng)絡(luò)的API，能夠和TensorFlow，CNTK或Theano配合使用。
收藏： 28385， 貢獻(xiàn)人數(shù)： 653， 程序提交次數(shù)： 4468， 建立日期： 2015年3月22日。
鏈接：https://github.com/keras-team/keras
3. Caffe
Caffe是一個重在表達(dá)性、速度和模塊化的深度學(xué)習(xí)框架，它由Berkeley Vision and Learning Center（伯克利視覺和學(xué)習(xí)中心）和社區(qū)貢獻(xiàn)者共同開發(fā)。
收藏： 23750， 貢獻(xiàn)人數(shù)： 267， 程序提交次數(shù)： 4128， 建立日期： 2015年9月8日。
鏈接：https://github.com/BVLC/caffe
4. Microsoft Cognitive Toolkit
Microsoft Cognitive Toolkit（以前叫做CNTK）是一個統(tǒng)一的深度學(xué)習(xí)工具集，它將神經(jīng)網(wǎng)絡(luò)描述為一系列通過有向圖表示的計算步驟。
收藏： 14243， 貢獻(xiàn)人數(shù)： 174， 程序提交次數(shù)： 15613， 建立日期： 2014年7月27日。
鏈接：https://github.com/Microsoft/CNTK
5. PyTorch
PyTorch是與Python相融合的具有強大的GPU支持的張量計算和動態(tài)神經(jīng)網(wǎng)絡(luò)的框架。
收藏： 14101， 貢獻(xiàn)人數(shù)： 601， 程序提交次數(shù)： 10733， 建立日期： 2012年1月22日。
鏈接：https://github.com/pytorch/pytorch
6. Apache MXnet
Apache MXnet是為了提高效率和靈活性而設(shè)計的深度學(xué)習(xí)框架。它允許使用者將符號編程和命令式編程混合使用，從而最大限度地提高效率和生產(chǎn)力。
收藏： 13699， 貢獻(xiàn)人數(shù)： 516， 程序提交次數(shù)： 6953， 建立日期： 2015年4月26日。
鏈接：https://github.com/apache/incubator-mxnet
7. DeepLearning4J
DeepLearning4J和ND4J，DataVec，Arbiter以及RL4J一樣，都是Skymind Intelligence Layer的一部分。它是用Java和Scala編寫的開源的分布式神經(jīng)網(wǎng)絡(luò)庫，并獲得了Apache 2.0的認(rèn)證。
收藏：8725， 貢獻(xiàn)人數(shù)： 141， 程序提交次數(shù)： 9647， 建立日期： 2013年11月24日。
鏈接：https://github.com/deeplearning4j/deeplearning4j
8. Theano
Theano可以高效地處理用戶定義、優(yōu)化以及計算有關(guān)多維數(shù)組的數(shù)學(xué)表達(dá)式。 但是在2017年9月，Theano宣布在1.0版發(fā)布后不會再有進(jìn)一步的重大進(jìn)展。不過不要失望，Theano仍然是一個非常強大的庫足以支撐你進(jìn)行深度學(xué)習(xí)方面的研究。
收藏： 8141， 貢獻(xiàn)人數(shù)： 329， 程序提交次數(shù)：27974， 建立日期： 2008年1月6日。
鏈接：https://github.com/Theano/Theano
9. TFLearn
TFLearn是一種模塊化且透明的深度學(xué)習(xí)庫，它建立在TensorFlow之上，旨在為TensorFlow提供更高級別的API，以方便和加快實驗研究，并保持完全的透明性和兼容性。
收藏： 7933， 貢獻(xiàn)人數(shù)： 111， 程序提交次數(shù)： 589， 建立日期：2016年3月27日。
鏈接：https://github.com/tflearn/tflearn
10. Torch
Torch是Torch7中的主要軟件包，其中定義了用于多維張量的數(shù)據(jù)結(jié)構(gòu)和數(shù)學(xué)運算。此外，它還提供許多用于訪問文件，序列化任意類型的對象等的實用軟件。
收藏： 7834， 貢獻(xiàn)人數(shù)： 133， 程序提交次數(shù)： 1335， 建立日期：2012年1月22日。
鏈接：https://github.com/torch/torch7
11. Caffe2
Caffe2是一個輕量級的深度學(xué)習(xí)框架，具有模塊化和可擴(kuò)展性等特點。它在原來的Caffe的基礎(chǔ)上進(jìn)行改進(jìn)，提高了它的表達(dá)性，速度和模塊化。
收藏： 7813， 貢獻(xiàn)人數(shù)： 187， 程序提交次數(shù)： 3678， 建立日期：2015年1月21日。
鏈接：https://github.com/caffe2/caffe2
12. PaddlePaddle
PaddlePaddle（平行分布式深度學(xué)習(xí)）是一個易于使用的高效、靈活、可擴(kuò)展的深度學(xué)習(xí)平臺。它最初是由百度科學(xué)家和工程師們開發(fā)的，旨在將深度學(xué)習(xí)應(yīng)用于百度的眾多產(chǎn)品中。
收藏： 6726， 貢獻(xiàn)人數(shù)： 120， 程序提交次數(shù)： 13733， 建立日期：2016年8月28日。
鏈接：https://github.com/PaddlePaddle/Paddle
13. DLib
DLib是包含機(jī)器學(xué)習(xí)算法和工具的現(xiàn)代化C ++工具包，用來基于C ++開發(fā)復(fù)雜的軟件從而解決實際問題。
收藏： 4676， 貢獻(xiàn)人數(shù)： 107， 程序提交次數(shù)： 7276， 建立日期：2008年4月27日。
鏈接：https://github.com/davisking/dlib
14. Chainer
Chainer是基于python用于深度學(xué)習(xí)模型中的獨立的開源框架，它提供靈活、直觀、高性能的手段來實現(xiàn)全面的深度學(xué)習(xí)模型，包括最新出現(xiàn)的遞歸神經(jīng)網(wǎng)絡(luò)（recurrent neural networks）和變分自動編碼器（variational auto-encoders）。
收藏： 3685， 貢獻(xiàn)人數(shù)： 160， 程序提交次數(shù)： 13700， 建立日期： 2015年4月12日。
鏈接：https://github.com/chainer/chainer
15. Neon
Neon是Nervana開發(fā)的基于Python的深度學(xué)習(xí)庫。它易于使用，同時性能也處于最高水準(zhǔn)。
收藏： 3466， 貢獻(xiàn)人數(shù)： 77， 程序提交次數(shù)： 1112， 建立日期： 2015年5月3日。
鏈接：https://github.com/NervanaSystems/neon
16. Lasagne
Lasagne是一個輕量級的庫，可用于在Theano上建立和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。
收藏： 3417， 貢獻(xiàn)人數(shù)：64， 程序提交次數(shù)： 1150， 建立日期：2014年9月7日。
鏈接：https://github.com/Lasagne/Lasagne
工商網(wǎng)監(jiān)
評論