本文整理了 GitHub 上最流行的 57 款深度学习项目。下面stars数据于2017年01月02日更新。

1.TensorFlow

Stars：41008

网址：https://github.com/tensorflow/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：14949

网址：https://github.com/BVLC/caffe

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：10244

网址：https://github.com/jcjohnson/neural-style

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：9654

网址：https://github.com/google/deepdream

Deep Dream，一款图像识别工具

5.Keras

Stars：10706

网址：https://github.com/fchollet/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（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：7601

网址：https://github.com/Rochester-NRT/RocAlphaGo

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：10353

网址：https://github.com/tensorflow/models

基于TensorFlow开发的模型

8.Neural Doodle

Stars：7230

网址：https://github.com/alexjc/neural-doodle

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.CNTK

Stars：9057

网址：https://github.com/Microsoft/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：7954

网址：https://github.com/aymericdamien/TensorFlow-Examples

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：6095

网址：https://github.com/karpathy/convnetjs

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：6104

网址：https://github.com/torch/torch7

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：6008

网址：https://github.com/cmusatyalab/openface

基于深度学习网络的面部识别。

14.MXNet

Stars：7358

网址：https://github.com/dmlc/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。

15.Theano

Stars：5348

网址：https://github.com/Theano/Theano

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：4561

网址：https://github.com/autumnai/leaf

黑客的开源机器智能框架。

17.Char RNN

Stars：4618

网址：https://github.com/karpathy/char-rnn

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：3932

网址：https://github.com/karpathy/neuraltalk

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：5044

网址：https://github.com/deeplearning4j/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：4469

网址：https://github.com/tflearn/tflearn

深度学习库，包括高层次的TensorFlow接口。

21.TensorFlow Playground

Stars：4040

网址：https://github.com/tensorflow/playground

神经网络模型示例。

22.OpenAI Gym

Stars：4488

网址：https://github.com/openai/gym

一种用于开发和比较强化学习算法的工具包。

23.Magenta

Stars：4180

网址：https://github.com/tensorflow/magenta

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：2931

网址：https://github.com/pavelgonchar/colornet

用神经网络模型给灰度图上色。

25.Synaptic

Stars：3357

网址：https://github.com/cazala/synaptic

基于node.js和浏览器的免架构神经网络库。

26.Neural Talk 2

Stars：2972

网址：https://github.com/karpathy/neuraltalk2

Torch开发的图像简介生成代码，运行在GPU上。

27.Image Analogies

Stars：2725

网址：https://github.com/awentzonline/image-analogies

使用神经匹配和融合生成相似图形。

28.TensorFlow Tutorials

Stars：2937

网址：https://github.com/pkmital/tensorflow_tutorials

Tensorflow，从基础原理到应用。

29.Lasagne

Stars：2747

网址：https://github.com/Lasagne/Lasagne

基于Theano训练和构建神经网络的轻型函数库。

30.PyLearn2

Stars：2293

网址：https://github.com/lisa-lab/pylearn2

基于Theano的机器学习库。

31.LISA-lab Deep Learning Tutorials

Stars：2488

网址：https://github.com/lisa-lab/DeepLearningTutorials

深度学习教程笔记和代码。详情参见wiki页面。

32.Neon

Stars：2624

网址：https://github.com/NervanaSystems/neon

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：2228

网址：https://github.com/rasmusbergpalm/DeepLearnToolbox

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：2100

网址：https://github.com/yenchenlin1994/DeepLearningFlappyBird

使用深度强化学习破解Flappy Bird游戏(深度 Q-学习).

35.dl-setup

Stars：1722

网址：https://github.com/saiprashanths/dl-setup

在深度学习机上设置软件说明。

36.Chainer

Stars：1928

网址：https://github.com/pfnet/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。

37.Neural Story Teller

Stars：1725

网址：https://github.com/ryankiros/neural-storyteller

看图讲故事的递归神经网络模型。

38.DIGITS

Stars：1761

网址：https://github.com/NVIDIA/DIGITS

深度学习GPU训练系统。

39.Deep Jazz

Stars：1371

网址：https://github.com/jisungk/deepjazz

基于Keras和Theano生成jazz的深度学习模型！

40.Tiny DNN

Stars：2302

网址：https://github.com/tiny-dnn/tiny-dnn

仅引用头文件，无依赖且使用 C ++ 11 的深度学习框架

41.Brainstorm

Stars：1225

网址：https://github.com/IDSIA/brainstorm

快速、灵活、有趣的神经网络。

42.dl-docker

Stars：1318

网址：https://github.com/saiprashanths/dl-docker

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：1533

网址：https://github.com/pjreddie/darknet

C语言版本的开源神经网络。

44.Theano Tutorials

Stars：1041

网址：https://github.com/Newmu/Theano-Tutorials

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：1092

网址：https://github.com/hexahedria/biaxial-rnn-music-composition

一款生成古典音乐的递归神经网络工具。

46.Blocks

Stars：976

网址：https://github.com/mila-udem/blocks

用于构建和训练神经网络模型的Theano框架

47.TDB

Stars：1090

网址：https://github.com/ericjang/tdb

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。

48.Scikit Neural Net

Stars：974

网址：https://github.com/aigamedev/scikit-neuralnetwork

深度神经网络入门工具，类似scikit-learn的分类器和回归模型。

49.Veles

Stars：792

网址：https://github.com/samsung/veles

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：915

网址：https://github.com/beniz/deepdetect

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：918

网址：https://github.com/nivwusquorum/tensorflow-deepq

基于Google Tensorflow的深度Q学习演示。

52.Caffe on Spark

Stars：985

网址：https://github.com/yahoo/CaffeOnSpark

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：754

网址：https://github.com/dnouri/nolearn

神经网络库的抽象，著名的Lasagne。

54.DCGAN TensorFlow

Stars：1057

网址：https://github.com/carpedm20/DCGAN-tensorflow

基于tensorflow实现的深度卷积生成对抗网络。

55.MatConvNet

Stars：610

网址：https://github.com/vlfeat/matconvnet

MATLAB CNN 计算机视觉应用工具箱。

56.DeepCL

Stars：478

网址：https://github.com/hughperkins/DeepCL

用于训练深度卷积神经网络模型的OpenCL库。

57.Visual Search Server

Stars：383

网址：https://github.com/AKSHAYUBHAT/VisualSearchServer

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。