必須做好一些是LINUX平臺，甚至沒有教材根本需要摸索學習的準備谷婆，如果有那個變成為在線服務(wù)的請第一時間通知我們

截止到 2017年 5月14日，Github 最受歡迎的深度學習項目 TOP 20 是哪些吧（統(tǒng)計難免不完善，歡迎評論補充）堪伍。我們的這份榜單也會持續(xù)更新。

1. TensorFlow

Star：56,796

Github 地址：https://github.com/tensorflow/tensorflow

TensorFlow是一個開源軟件庫觅闽，使用數(shù)據(jù)流圖（data flow graph）進行數(shù)值計算帝雇。圖中的節(jié)點表示數(shù)學運算，而圖形邊緣表示在它們之間流動的多維數(shù)據(jù)陣列（張量）蛉拙。 這種靈活的架構(gòu)讓人能將計算部署到桌面尸闸、服務(wù)器或移動設(shè)備中的一個或多個CPU或GPU，而無需重寫代碼孕锄。TensorFlow 還有一個數(shù)據(jù)可視化工具包 TensorBoard吮廉。

TensorFlow 由 Google Brain 團隊研究人員和工程師開發(fā)，用于進行機器學習和深層神經(jīng)網(wǎng)絡(luò)研究畸肆。不久前發(fā)布了 TensorFlow 1.0 版本宦芦。

2. scikit-learn

Star：18,516

Github 地址：https://github.com/scikit-learn/scikit-learn

scikit-learning是一個用于機器學習的 Python 模塊，建立在 SciPy 之上恼除，并按照 3-Clause BSD 許可證分發(fā)踪旷。該項目于 2007 年由 David Cournapeau 開始，作為“Google夏季代碼”項目豁辉，此后令野，許多志愿者做出了貢獻。目前由志愿者團隊維護徽级。

志愿者的力量是強大的气破。

3. Caffe（Caffe2）

Star：17,795

Github 地址：https://github.com/BVLC/caffe

Caffe 是一個深刻的學習框架，設(shè)計時注重表達（expression）餐抢、速度和模塊化现使。根據(jù) Github 介紹低匙，Caffe 由伯克利 AI（BAIR）/伯克利視覺與學習中心（BVLC）及社區(qū)貢獻者開發(fā)。Caffe 有一個非程夹猓活躍的開發(fā)者社區(qū)顽冶。

去年 11 月，Caffe 主要作者售碳、Facebook 研究科學家賈揚清在 Facebook 官往發(fā)文强重，介紹了 Caffe2go，一款規(guī)模更小贸人、訓練速度更快间景、對計算性能要求較低的機器學習框架，在手機上也能運行神經(jīng)網(wǎng)絡(luò)模型艺智。但令人震驚倘要，Caffe2go 截止發(fā)稿前 Github 星級為 0。

今年 4月十拣，F(xiàn)acebook 宣布開源跨平臺的深度學習框架 Caffe2封拧，輕量級、模塊化父晶，在移動端和云上都做了優(yōu)化哮缺。同時提供的還有 C++ 和 Python API，以及模型庫 Caffe2 Model Zoo甲喝，里面有視覺尝苇、語音、翻譯等預(yù)訓練模型埠胖，方便開發(fā)人員和研究者直接使用糠溜。Caffe2 目前在 Github 星級為 4602。

Caffe2 Github 地址：https://github.com/caffe2/caffe2

4. Keras

Star：15,515

GitHub 地址：https://github.com/fchollet/keras

Keras是一個高級神經(jīng)網(wǎng)絡(luò) API直撤，用 Python 編寫非竿，能夠運行在 TensorFlow 或者 Theano 上。Keras 的開發(fā)重點是實現(xiàn)快速實驗谋竖，能夠用盡可能少的延遲從理念到結(jié)果红柱，是進行良好研究的關(guān)鍵，也是 Keras 受歡迎的一大原因蓖乘。

5. Show and Tell：神經(jīng)圖說生成器

Star：14,620（去年 8 月 10,563）

GitHub 地址：https://github.com/tensorflow/models/tree/master/im2txt

這是 Oriol Vinyals et. al.（2016）的論文“Show and Tell: Lessons learned from the 2015 MSCOCO Image Captioning Challenge”的用TensorFlow實現(xiàn)的 image-to-text 圖片說明生成模型锤悄。

Show and Tell 模型是一個學習如何描述圖片的深度神經(jīng)網(wǎng)絡(luò)。生成的圖片說明是一個完整的句子嘉抒，下面是一些例子：

5. Neural Style

Star：13,673（去年 8 月為 10,148）

Github 地址：https://github.com/jcjohnson/neural-style

這個項目是用 Torch 對 Leon A. Gatys, Alexander S. Ecker, 和 Matthias Bethge 等人的論文“A Neural Algorithm of Artistic Style”的一個實現(xiàn)零聚。論文中提出一種算法，用卷積神經(jīng)網(wǎng)絡(luò)將一幅圖像的內(nèi)容與另一幅圖像的風格進行組合。下面是一個將梵高《星夜》的藝術(shù)風格轉(zhuǎn)移到斯坦福大學校園夜景的照片中的效果：

將不同的藝術(shù)風格應(yīng)用到同樣一幅圖像中會得出有趣的效果隶症。論文中提供了各種風格的德國賓根大學圖像：

6. CNTK

Star：10,673

Github 地址：https://github.com/Microsoft/CNTK

CNTK 是微軟的開源深度學習框架政模，支持大部分流行的神經(jīng)網(wǎng)絡(luò)翁涤。2015 年 2 月学歧，官方報道了一個基準性能測試結(jié)果，針對一個 4 層全連接神經(jīng)網(wǎng)絡(luò)漫雷，CNTK 與 Caffe颂龙、TensorFlow习蓬、Theano 和 Torch 對比纽什，速度要快上 1.5 倍措嵌。

去年 10 月，微軟提供了 CNTK 升級版芦缰。本次升級最大的亮點在于增加了 Python 綁定企巢。另外，新版本工具包跨服務(wù)器處理能力也得到了提升让蕾，能有效加快處理速度浪规，并支持增強學習的實踐。

7. Tesseract

Star：10,370

Github 地址：https://github.com/tesseract-ocr/tesseract

Tesseract 支持 unicode（UTF-8）探孝，可以直接識別超過 100 種語言笋婿，也可以在訓練后識別其他語言。

Tesseract 支持各種輸出格式：plain-text顿颅、hocr（html）和 pdf缸濒。

Tesseract 最初是惠普實驗室開發(fā)的，2005 年開源粱腻。2006 年以后由谷歌開發(fā)庇配。

8. Deep Dream

Star：10,156（去年 8 月 9042）

Github 地址：https://github.com/tesseract-ocr/tesseract

需要說明，這不是谷歌官方 Deep Dream 的 Github 庫绍些。這個庫里包含了有示例代碼的 IPython Notebook捞慌，補充了 Google Research 官方博客關(guān)于 Neural Network Art 的博文。

很多開發(fā)人員使用這個庫里描述的技術(shù)制作了腦洞大開的圖像柬批。我們也期待你的嘗試啸澡。對了，如果你將圖像發(fā)布到 Google+氮帐，F(xiàn)acebook 或 Twitter嗅虏，請務(wù)必使用 #deepdream 做上標記，方便其他研究人員查看揪漩。

9. MXNet

Star：9615

Github 地址：https://github.com/dmlc/mxnet

MXNet 是一個旨在提高效率和靈活性的深度學習框架旋恼。因得到亞馬遜的大力而成為常用深度學習框架的黑馬。MXNet 可以混合符號和命令式編程，從而最大限度地提高效率和生產(chǎn)力冰更。在其核心产徊，MXNet 包含一個動態(tài)依賴調(diào)度程序（dynamic dependency scheduler），可以自動將符號運算和命令運算并行蜀细。頂部的圖形優(yōu)化層使 MXNet 符號執(zhí)行速度快舟铜，記憶效率高。此外奠衔，MXNet 是便攜式和輕量級的谆刨，可有效擴展到多顆 GPU 和多臺機器。

10. RocAlphaGo

Star：8065（去年 8 月 7734）

Github 地址：https://github.com/Rochester-NRT/RocAlphaGo

這個項目是有學生主導的一個獨立項目归斤，使用 Python 和 Keras 重新實現(xiàn)了 DeepMind 在2016年發(fā)表的論文 "Mastering the game of Go with deep neural networks and tree search"（《用深度神經(jīng)網(wǎng)絡(luò)和樹搜索學習圍棋》）痊夭。使用 Python 和 Keras 的這個選擇優(yōu)先考慮了代碼清晰度，至少在早期階段是如此脏里。

這個項目目前仍在進行中她我，還不是 AlphaGo 的完全實現(xiàn)。項目先期關(guān)注 DeepMind AlphaGo 中神經(jīng)網(wǎng)絡(luò)的訓練方面迫横，而且已經(jīng)得到論文中樹搜索算法的一個簡單單線程的實現(xiàn)番舆，雖然速度上無法與 DeepMind 相比。

11. Neural Doodle

Star：7763（去年 8 月 7306）

Github 地址：https://github.com/alexjc/neural-doodle

使用深度神經(jīng)網(wǎng)絡(luò)把你的二流涂鴉變成藝術(shù)一般的作品矾踱！這個項目是 Champandard（2016）的論文 “Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artworks”的一個實現(xiàn)恨狈，基于 Chuan Li 和 Michael Wand（2016）在論文“Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”中提出的 Neural Patches 算法。這篇文章中深入解釋了這個項目的動機和靈感來源：https://nucl.ai/blog/neural-doodles/

doodle.py 腳本通過使用1個呛讲，2個禾怠，3個或4個圖像作為輸入來生成新的圖像，輸入的圖像數(shù)量取決于你希望生成怎樣的圖像：原始風格及它的注釋（annotation）圣蝎，以及帶有注釋（即你的涂鴉）的目標內(nèi)容圖像（可選）刃宵。該算法從帶風格圖像中提取 annotated patches，然后根據(jù)它們匹配的緊密程度用這些 annotated patches 漸進地改變目標圖像的風格徘公。

11. Open Face

Star：7122（去年 8 月 6072）

Github 地址：https://github.com/cmusatyalab/openface

OpenFace 是一個使用深度神經(jīng)網(wǎng)絡(luò)牲证，用 Python 和 Torch 實現(xiàn)人臉識別的項目。神經(jīng)網(wǎng)絡(luò)模型基于 Google Florian Schroff 等人的 CVPR 2015 論文“FaceNet: A Unified Embedding for Face Recognition and Clustering” 关面，Torch 讓網(wǎng)絡(luò)可以在 CPU 或 CUDA 上運行坦袍。

這是CMU的一個使用深度神經(jīng)網(wǎng)絡(luò)進行人臉識別的免費、開源項目等太。該項研究得到美國國家科學基金會（NSF）的支持捂齐，以及英特爾、谷歌缩抡、 Vodafone奠宜、英偉達和 Conklin Kistler 的額外支持。這個 Github 庫中包含 batch-represent、real-time web压真、compare.py娩嚼、vis-outputs.lua、classifier.py 等的 demo 和測試滴肿、訓練岳悟、評估等的代碼。

12. Torch

Star：6843

Github 地址：https://github.com/torch/torch7

PyTorch是一個提供兩個高級功能的 python 包：① 具有強 GPU 加速度的張量計算（如numpy）泼差；②深度神經(jīng)網(wǎng)絡(luò)建立在基于磁帶的自動調(diào)整系統(tǒng)（tape-based autograd system）Torch 也是常用深度學習框架之一贵少，是 Torch7 中的 main package，其中定義了用于多維張量和數(shù)學運算的數(shù)據(jù)結(jié)構(gòu)堆缘。此外滔灶，Torch 提供了很多實用功能，比如訪問文件的實用程序套啤，序列化任意類型的對象和其他有用的實用程序宽气。

13. Neural Enhance：深度學習做圖像高分辨率

Star：6557

Github 地址：https://github.com/alexjc/neural-enhance

見過刑偵劇里將模糊圖片變清晰的情節(jié)嗎？由于深度學習和 #NeuralEnhance潜沦，你也可以訓練一個神經(jīng)網(wǎng)絡(luò)把圖像放大 2 倍乃至 4 倍而且高清。增加神經(jīng)元的數(shù)量或使用類似于低分辨率圖像的數(shù)據(jù)集進行訓練绪氛，還可以獲得更好的結(jié)果唆鸡。具體怎么做？去看 Github 介紹吧枣察。

14. PyTorch

Star：4988

Github 地址：https://github.com/pytorch/pytorch

PyTorch是一個提供兩個高級功能的 python 包：①具有強 GPU 加速度的張量計算（如numpy）争占；②深度神經(jīng)網(wǎng)絡(luò)建立在基于磁帶的自動調(diào)整系統(tǒng)（tape-based autograd system）⌒蚰浚考慮到它的發(fā)布時間臂痕，PyTorch 大有潛力。

你可以重用你喜歡的 python 軟件包（如 numpy猿涨，scipy 和 Cython）握童，在有需要時對 PyTorch 進行擴展。

就在 5 月 4 日叛赚，PyTorch 發(fā)布了最新版澡绩，API 有一些變動，增加了一系列新的特征俺附，多項運算或加載速度提升肥卡，而且修改了大量 bug。官方文檔也提供了一些示例事镣。

15. Sonnet：DeepMind 內(nèi)部開源深度學習框架

Star：4691

Github 地址：https://github.com/deepmind/sonnet

DeepMind 研究人員發(fā)現(xiàn) TensorFlow 的靈活性和適應(yīng)性適合于為特定目的構(gòu)建更高級別的框架步鉴，于是他們就寫了一個這樣的框架，可以用 TensorFlow 快速構(gòu)建神經(jīng)網(wǎng)絡(luò)模塊，也就是 Sonnet 框架氛琢。

開源 Sonnet只嚣，可以使 DeepMind 創(chuàng)建的其他模型輕松地與社區(qū)共享，DeepMind 表示他們希望開發(fā)者社區(qū)能夠使用 Sonnet 進行自己的研究艺沼。Sonnet 被專門設(shè)計用于與 TensorFlow 協(xié)同工作册舞，不會阻止訪問底層細節(jié)，如 Tensors 和可變范圍等障般。Sonnet 編寫的模型可以與原始的 TensorFlow 代碼以及其他高級庫中的模型自由混合调鲸。

Sonnet 將定期更新。

16. srez

Star：4288（去年 8 月 3951）

Github 地址：https://github.com/david-gpu/srez

srez（super-resolution through deep learning）挽荡，即通過深度學習實現(xiàn)圖像超分辨率藐石。這個項目是利用深度學習將 16x16 的圖像分辨率增加 4 倍，基于用來訓練神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)集定拟，所得到的圖像具有鮮明的特征于微。

下圖是這個網(wǎng)絡(luò)所能做到的一個隨機、沒有特意挑選的示例青自。從左到右株依，第一列是 16x16 的輸入圖像，第二列是利用標準的雙三次插值算法（bicubic interpolation）所能得到的結(jié)果延窜，第三列是我們的神經(jīng)網(wǎng)絡(luò)的結(jié)果恋腕，然后最右列是原本的真實圖像。

如你所見逆瑞，神經(jīng)網(wǎng)絡(luò)能夠產(chǎn)生與原始的人臉非常相似的圖像荠藤。由于用于訓練的數(shù)據(jù)集主要由面朝正前方而且光線良好的人臉圖像組成，所以當臉的朝向不是正前方获高、光線不足或臉被眼鏡或手遮住了部分時哈肖，輸出的效果會比較差。

17. CycleGAN

Star：3773

Github 地址：https://github.com/junyanz/CycleGAN

由于微信圖片上傳大小限制念秧，更清晰的圖片請到 Github 查看

伯克利視覺組的研究淤井，用于學習沒有輸入-輸出對的圖像到圖像轉(zhuǎn)換（即 pix2pix）的 Torch 實現(xiàn)，例如：

此外出爹，另一項相關(guān)研究也十分不錯：

pix2pix

Star：2965

Github 地址：https://github.com/phillipi/pix2pix

18. open_nsfw

Star：3338（去年 8 月 3076）

Github 地址：https://github.com/yahoo/open_nsfw

這是雅虎構(gòu)建的用于檢測圖片是否包含不適宜工作場所（NSFW）內(nèi)容的深度神經(jīng)網(wǎng)絡(luò)項目庄吼，GitHub 庫中包含了網(wǎng)絡(luò)的 Caffe 模型的代碼。檢測具有攻擊性或成人內(nèi)容的圖像是研究人員進行了幾十年的一個難題严就。隨著計算機視覺技術(shù)和深度學習的發(fā)展总寻，算法已經(jīng)成熟，雅虎的這個模型能以更高的精度分辨色情圖像梢为。

由于 NSFW 界定其實是很主觀的渐行，有的人反感的東西可能其他人并不覺得如何轰坊。雅虎的這個深度神經(jīng)網(wǎng)絡(luò)只關(guān)注NSFW內(nèi)容的一種類型，即色情圖片祟印，所以該模型不適用于檢測素描肴沫、文字、動畫蕴忆、暴力圖片等內(nèi)容颤芬。

19. NeuralTalk2

Star：3337（去年 8 月 3010）

Github 地址：https://github.com/karpathy/neuraltalk2

循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）可以用于給圖像取標題。NeuralTalk2 比原始版本的 NeuralTalk 更快而且性能更好套鹅。與原來的 NeuralTalk 相比站蝠，NeuralTalk2 的實現(xiàn)是批量的，可以使用 Torch 在 GPU上運行卓鹿，并且支持 CNN 微調(diào)菱魔。這些都使得語言模型（~100x）的訓練速度大大加快，但由于我們還有一個 VGGNet吟孙，因此總體上的提升沒有很多澜倦。但是這仍然是個好模型，可以在 2~3 天里訓練好杰妓，而且表現(xiàn)出的性能非常好藻治。

Google Brain 2016年9月22日發(fā)布了 Vinyals et al.（2015）的圖說模型（前文介紹的Show and Tell 模型）。它的核心模型與 NeuralTalk2（一個CNN后面跟著RNN）非常相似稚失，但由于 Google 有更好的CNN栋艳，加上一些小技巧和更細致的工程，Google 發(fā)布的模型應(yīng)該比 NeuralTalk2 的效果更好句各。這個項目里用 Torch 實現(xiàn)的代碼將作為教育目的保留。

20. Colornet

Star：3093（去年 8 月 2956）

Github 地址：https://github.com/pavelgonchar/colornet

Colornet 是一個給灰度圖像自動上色的神經(jīng)網(wǎng)絡(luò)晴叨。效果如上圖所示凿宾。

以下則為上次入選，這次卻沒有進入TOP20 的項目（Star 低于 2000 的項目就不納入統(tǒng)計了）：

image-analogies

Star：2893（去年 8 月 2769）

GitHub 地址：https://github.com/awentzonline/image-analogies

“神經(jīng)圖像類比”（neural image analogies）這個項目基本上是 A. Hertzmann et. al（2001）的論文“Image Analogies”的一個實現(xiàn)兼蕊。在這個項目中初厚，我們使用了 VGG16 的特征，利用 Chuan Li, Michael Wand (2016) 的論文“Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”中描述的方法進行patch的匹配和混合孙技。初始代碼改編自 Keras 的“神經(jīng)風格遷移”示例产禾。

DeepLearningFlappyBird

Star：2866（去年 8 月 2143）

Github 地址：https://github.com/yenchenlin/DeepLearningFlappyBird

這個項目使用深度Q網(wǎng)絡(luò)（Deep Q-Network，DQN）學習玩 Flappy Bird 游戲牵啦。

只能說亚情，F(xiàn)lappyBird 的風潮已經(jīng)過去了……

這個項目靈感來自使用深度增強學習玩 Atari 游戲（Mnih, Volodymyr, et al. "Playing atari with deep reinforcement learning." 2013），論文中提出深度Q學習算法（Deep Q Learning algorithm）哈雏，我們發(fā)現(xiàn)這個算法可以推廣到 Flappy Bird 游戲上楞件。

DQN 是一個卷積神經(jīng)網(wǎng)絡(luò)衫生，用 Q-learning 的變體進行訓練，其輸入是原始像素土浸，輸出是一個預(yù)估未來的獎勵的價值函數(shù)罪针。由于DQN的訓練的每個時間步驟都需要觀察屏幕中的原始像素值，Kevin Chen 發(fā)現(xiàn)刪除原始游戲中的背景可以讓收斂更快黄伊。這個過程如下圖所示：

?