Github上Stars最多的53个深度学习项目,TensorFlow遥遥领先

本文盘点了GitHub上获得最多Stars的深度学习项目,包括TensorFlow、Caffe等知名框架及其实现案例,为深度学习研究者提供有价值的参考。
部署运行你感兴趣的模型镜像

对于深度学习工作者而言,大量的开源项目避免了很多重造轮子的工作,降低了算法实现门槛。本文盘点了在Github上获得Stars最多的深度学习项目,供从业者参考。并感谢这些开源爱好者的贡献。

项目名称Stars项目介绍
TensorFlow29622使用数据流图计算可扩展机器学习问题
Caffe11799Caffe是一个高效的开源深度学习框架
Neural Style10148Torch实现的神经网络算法
Deep Dream9042Deep Dream,一款图像识别工具
Keras7502一款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。
Roc AlphaGo7170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).
TensorFlow Models6671基于TensorFlow开发的模型
Neural Doodle6275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)
CNTK5957计算网络工具(Computational Network Toolkit,CNTK)
TensorFlow Examples5872初学者的TensorFlow教程和代码示例。
ConvNet JS5231基于Javascript的深度学习库。在浏览器中训练卷积神经网络模型(或者普通模型)。
Torch5133Torch7,深度学习库。
OpenFace4855基于深度学习网络的面部识别。
MXNet4685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。
Nupic4364智能计算的Numenta平台:一个脑启发式的计算智能和机器智能平台,基于皮层学习算法的生物精确神经网络模型。
Theano4286Theano 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。
Leaf4281黑客的开源机器智能框架。
Char RNN3820多层递归神经网络的字符级别语言模型,基于Torch开发。
Neural Talk3694NeuralTalk是一个Python+numpy项目,用多模式递归神经网络描述图像。
deeplearning4j3673基于Hadoop和Spark的Java, Scala & Clojure深度学习工具。
TFLearn3368深度学习库,包括高层次的TensorFlow接口。
TensorFlow Playground3352神经网络模型示例。
OpenAI Gym3020一种用于开发和比较强化学习算法的工具包。
Magenta2914Magenta: 音乐和艺术的生成与机器智能
Colornet2798用神经网络模型给灰度图上色。
Synaptic2666基于node.js和浏览器的免架构神经网络库。
Neural Talk 22550Torch开发的图像简介生成代码,运行在GPU上。
Image Analogies2540使用神经匹配和融合生成相似图形。
TensorFlow Tutorials2413Tensorflow,从基础原理到应用。
Lasagne2355基于Theano训练和构建神经网络的轻型函数库。
PyLearn22153基于Theano的机器学习库。
LISA-lab Deep Learning Tutorials2134深度学习教程笔记和代码。详情参见wiki页面。
Neon2121Nervana™开发的一款快速、可扩展、易上手的Python深度学习框架.
Matlab Deep Learning Toolbox2032Matlab/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。
Deep Learning Flappy Bird1721使用深度强化学习破解Flappy Bird游戏(深度 Q-学习).
Chainer1573一款灵活的深度学习神经网络框架。
Neural Story Teller1514看图讲故事的递归神经网络模型。
DIGITS1353深度学习GPU训练系统。
Deep Jazz1229基于Keras和Theano生成jazz的深度学习模型!
Brainstorm1143快速、灵活、有趣的神经网络。
Darknet937C语言版本的开源神经网络。
Theano Tutorials904基于Theano的机器学习入门教程,从线性回归到卷积神经网络。
RNN Music Composition904一款生成古典音乐的递归神经网络工具。
Blocks866用于构建和训练神经网络模型的Theano框架。
TDB860TensorFlow的交互式、节点调试和可视化的工具。
Scikit Neural Net849深度神经网络入门工具,类似scikit-learn的分类器和回归模型。
Veles760分布式机器学习平台(Python, CUDA, OpenCL)
Deep Detect759基于C++11的深度学习接口和服务器,与Python绑定并支持Caffe。
TensorFlow DeepQ759基于Google Tensorflow的深度Q学习演示。
Caffe on Spark724基于Spark的Caffe。
Nolearn702神经网络库的抽象,著名的Lasagne。
DCGAN TensorFlow568基于tensorflow实现的深度卷积生成对抗网络。
DeepCL413用于训练深度卷积神经网络模型的OpenCL库。

原文:Top Deep Learning Projects 
翻译:KK4SBB 
责编:周建丁(zhoujd@youkuaiyun.com)

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

课程导语:    人工智能可谓是现阶段最火的行业,在资本和技术协同支持下正在进入高速发展期。当今全球市值前五大公司都指向同一发展目:人工智能。近几年,人工智能逐渐从理论科学落地到现实中,与生活越来越息息相关,相关的各种职位炙手可热,而深度学习更是人工智能无法绕开的重要一环。 从AlphaGo打败李世石开始,深度学习技术越来越引起社会各界的广泛关注。不只学术界,甚至在工业界也取得了重大突破和广泛应用。其中应用最广的研究领域就是图像处理和自然语言处理。而要入门深度学习,CNN和RNN作为最常用的两种神经网络是必学的。网上关于深度学习的资料很多,但大多知识点分散、内容不系统,或者以理论为主、代码实操少,造成学员学习成本高。本门课程将从最基础的神经元出发,对深度学习的基础知识进行全面讲解,帮助大家迅速成为人工智能领域的入门者,是进阶人工智能深层领域的基石。 讲师简介:赵辛,人工智能算法科学家。2019年福布斯科技榜U30,深圳市海外高层次人才(孔雀人才)。澳大利亚新南威尔士大学全奖博士,SCI收录其发表过的10篇国际期刊学术文章。曾任深圳市微埃智能科技有限公司联合创始人。优快云人工智能机器学习、深度学习方向满分级精英讲师。授课风格逻辑严谨、条理清晰、循序渐进、循循善诱,化枯燥为如沐春风,所教学生人数过万。 课程设计: 本课程分为5大模块,19小节,共计540时长(约9小时): 第一部分,课程介绍、目与内容概览。主要学习人工智能深度学习应用场景;熟悉深度学习主流技术;掌握使用keras解决深度学习主要问题(神经网络、卷积神经网络、循环神经网络),以及深度学习主要内容:神经网络、卷积神经网络、循环神经网络;案例简介。 第二部分,深度学习之多层感知器(MLP)。主要学习多层感知器(MLP);MLP实现非线性分类;深度学习实战准备;Python调用keras实现MLP。 MLP技术点实战案例:第三部分,深度学习之卷积神经网络(CNN)。主要学习卷积神经网络 ; CNN模型分析;主流CNN模型; Python调用keras实现CNN; CNN技术点实战案例:第四部分,深度学习之循环神经网络(RNN)。主要学习循环神经网络;RNN模型分析;Python调用keras实现RNN。 RNN技术点实战案例: 第五部分,综合提升。主要进行迁移学习;混合模型;实战准备+综合实战,以及最后进行课程内容总结。 混合模型技术点实战案例
### 回答1: 1. vue:是一个用于构建用户界面的框架。它的目是通过尽可能简单的 API 实现响应的数据绑定和组合的视图组件。它是最受欢迎的 JavaScript 框架之一,目前在 GitHub 上拥有超过 180k 的。 2. free-programming-books:这是一个收集免费编程书籍的项目。它包含了超过 500 本书,涵盖了各种编程语言和技术。该项目GitHub 上拥有超过 140k 的。 3. awesome:这是一个系列的项目,用于收集各种技术领域中优秀的资源。例如,awesome-python 收集了有关 Python 的优秀项目、库和文章,awesome-machine-learning 收集了有关机器学习的优秀资源等等。awesome 项目GitHub 上拥有超过 130k 的。 ### 回答2: Github上star最多的三个项目分别是: 1. freeCodeCamp:freeCodeCamp是一个完全免费的学习编码和成为全栈开发者的开源社区。它提供了大量的在线教育资源,包括学习编程语言、前端开发、后端开发等多个领域。这个项目的star数量超过了31万,说明它受到了广泛的关注和认可。 2. VS Code:VS Code(Visual Studio Code)是由微软开发的一款免费开源的代码编辑器。它具有丰富的功能和扩展性,支持多种编程语言,并且有活跃的开发者社区。这个项目的star数量超过了12万,它成为了广大开发者们的首选编辑器之一。 3. Flutter:Flutter是由Google开发的跨平台移动应用开发框架。它使用Dart语言编写,可以同时开发iOS和Android应用,并且有许多内置的UI组件和功能库,使开发者能够快速构建漂亮流畅的应用。Flutter的star数量超过了14万,显示了其在移动应用开发领域受到了广泛认可和采用。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值