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(gè)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(xiàng)目的學(xué)習(xí)和互動(dòng)是個(gè)很好的方法。

在本文中文摘菌將為大家詳細(xì)介紹16種GitHub中最受歡迎的深度學(xué)習(xí)開源平臺(tái)和開源庫，除此之外，還有些比較不錯(cuò)的平臺(tái)和框架雖然沒有進(jìn)入榜單，文摘菌也列了出來，供大家參考。 

GitHub收藏和貢獻(xiàn)率最高的16個(gè)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(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。下面就將這些資源分享給大家。

16個(gè)最棒的深度學(xué)習(xí)開源框架和平臺(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發(fā)的。這個(gè)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(shí)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(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(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(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。不過不要失望，Theano仍然是一個(gè)非常強(qiáng)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(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文件，序列化任意類型的對象等的實(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(shí)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(dú)立的開源框架，它提供靈活、直觀、高性能的手段來實(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開發(fā)的基于Python的深度學(xué)習(xí)庫。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

其他選擇

• H2O.ai
• https://github.com/h2oai/h2o-3
• PyLearn
• https://github.com/lisa-lab/pylearn2
• BigDL
• https://github.com/intel-analytics/BigDL
• Shogun
• https://github.com/shogun-toolbox/shogun
• Apache SINGA
• https://github.com/apache/incubator-singa
• Blocks
• https://github.com/mila-udem/blocks
• Mocha
• https://github.com/pluskid/Mocha.jl