深度學(xué)習(xí)是一種基于對(duì)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(gè)相對(duì)較新的概念，對(duì)于無(wú)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(lái)說(shuō)，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(kāi)源項(xiàng)目的學(xué)習(xí)和互動(dòng)是個(gè)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(kāi)源平臺(tái)和開(kāi)源庫(kù)，除此之外，還有些比較不錯(cuò)的平臺(tái)和框架雖然沒(méi)有進(jìn)入榜單，文小編也列了出來(lái)，供大家參考。

GitHub收藏和貢獻(xiàn)率最高的16個(gè)開(kāi)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(shí)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(gè)最棒的深度學(xué)習(xí)開(kāi)源框架和平臺(tái)

1. TensorFlow

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(kāi)發(fā)的。這個(gè)框架旨在方便研究人員對(duì)機(jī)器學(xué)習(xí)的研究，并簡(jiǎn)化從研究模型到實(shí)際生產(chǎn)的遷移的過(guò)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(xiě)的高級(jí)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(gè)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(jué)和學(xué)習(xí)中心）和社區(qū)貢獻(xiàn)者共同開(kāi)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(gè)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(guò)有向圖表示的計(jì)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(qiáng)大的GPU支持的張量計(jì)算和動(dòng)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(jì)的深度學(xué)習(xí)框架。它允許使用者將符號(hào)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(xiě)的開(kāi)源的分布式神經(jīng)網(wǎng)絡(luò)庫(kù)，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(jì)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(huì)再有進(jìn)一步的重大進(jìn)展。不過(guò)不要失望，Theano仍然是一個(gè)非常強(qiáng)大的庫(kù)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(kù)，它建立在TensorFlow之上，旨在為T(mén)ensorFlow提供更高級(jí)別的API，以方便和加快實(shí)驗(yàn)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(yùn)算。此外，它還提供許多用于訪問(wèn)文件，序列化任意類型的對(duì)象等的實(shí)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(gè)輕量級(jí)的深度學(xué)習(xí)框架，具有模塊化和可擴(kuò)展性等特點(diǎn)。它在原來(lái)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(gè)易于使用的高效、靈活、可擴(kuò)展的深度學(xué)習(xí)平臺(tái)。它最初是由百度科學(xué)家和工程師們開(kāi)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(lái)基于C ++開(kāi)發(fā)復(fù)雜的軟件從而解決實(shí)際問(wèn)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(dú)立的開(kāi)源框架，它提供靈活、直觀、高性能的手段來(lái)實(shí)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(dòng)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(kāi)發(fā)的基于Python的深度學(xué)習(xí)庫(kù)。它易于使用，同時(shí)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(gè)輕量級(jí)的庫(kù)，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