本文整理了 GitHub 上最流行的 57 款深度學習專案（按 stars 排名）。最後更新：2016.08.09
1.TensorFlow
使用資料流圖計算可擴充套件機器學習問題
TensorFlow 是谷歌的第二代機器學習系統，按照谷歌所說，在某些基準測試中，TensorFlow 的表現比第一代的 DistBelief 快了2倍。
TensorFlow 內建深度學習的擴充套件支援，任何能夠用計算流圖形來表達的計算，都可以使用 TensorFlow。任何基於梯度的機器學習演算法都能夠受益於 TensorFlow 的自動分 化（auto-differentiation）。通過靈活的 Python 介面，要在 TensorFlow 中表達想法也會很容易。
2.Caffe
Stars：11799
Caffe是一個高效的開源深度學習框架。由表示式，速度和模組化組成。
3.Neural style
Stars：10148
Torch實現的神經網路演算法。
Neural style 是讓機器模仿已有畫作的繪畫風格來把一張圖片重新繪製的演算法。
4.deepdream
Stars：9042
Deep Dream，一款影象識別工具
5.Keras
Stars：7502
一款Python實現的深度學習庫，包括卷積神經網路、遞迴神經網路等。執行在Theano和TensorFlow之上。
Keras是一個極簡的、高度模組化的神經網路庫，採用Python（Python 2.7-3.5.）開發，能夠執行在TensorFlow和Theano任一平臺，好專案旨在完成深度學習的快速開發。
6.RocAlphaGo
Stars：7170
學生主導的一個獨立專案，從新實現了 DeepMind在2016 Nature發表的內容， 《用深度神經網路和樹搜尋學習圍棋》 (Nature 529, 484-489, 28 Jan 2016).
7.TensorFlow Models
Stars：6671
基於TensorFlow開發的模型
8.Neural Doodle
Stars：6275
運用深度神經網路將塗鴉變為優雅的藝術品，從照片生成無縫紋理，轉變圖片風格，進行基於例項的提升，等等…還有更多！（語義風格傳遞的實現）
9.CNTK
Stars：5957
深度學習工具包 。來自微軟公司的CNTK工具包的效率，“比我們所見過的都要瘋狂”。 這部分歸功於CNTK可藉助圖形處理單元（GPU）的能力，微軟自稱是唯一公開“可擴充套件GPU”功能的公司。（從單機上的1個、延伸至超算上的多個） 在與該公司的網路化GPU系統（稱之為Azure GPU Lab）匹配之後，它將能夠訓練深度神經網路來識別語音，讓Cortana虛擬助理的速度達到以前的十倍。
10.TensorFlow Examples
Stars：5872
適合初學者的 TensorFlow 教程和程式碼示例，做了相關筆記和程式碼解釋。
11.ConvNet JS
Stars：5231
ConvNetJS 是用 JavaScript 實現的神經網路，同時還有基於瀏覽器的 demo。
12.Torch
Stars：5133
Torch7，深度學習庫。
Torch7 是一個科學計算框架，支援機器學習演算法。易用而且提供高效的演算法實現，得益於 LuaJIT 和一個底層的 C 實現。
13.OpenFace
Stars：4855
基於深度學習網路的面部識別。
14.MXNet
Stars：4685
輕巧、便攜、靈活的分散式/移動深度學習框架，支援Python, R, Julia, Scala, Go, Javascript等等語言。
MXNet是一款設計為效率和靈活性的深度學習框架。它允許你混合符號程式設計和指令式程式設計，從而最大限度提高效率和生產力。在其核心是一個動態的依賴排程，它能夠自動並行符號和命令的操作。一個圖形優化層，使得符號執行速度快，記憶體使用高效。這個庫便攜，輕量，而且能夠擴充套件到多個GPU和多臺機器。
15.Theano
Stars：4286
Theano 是一個 Python 庫，用來定義、優化和模擬數學表示式計算，用於高效的解決多維陣列的計算問題。
16.Leaf
Stars：4281
黑客的開源機器智慧框架。
17.Char RNN
Stars：3820
多層遞迴神經網路的字元級別語言模型，基於Torch開發。
18.Neural Talk
Stars：3694
NeuralTalk是一個Python+numpy專案，用多模式遞迴神經網路描述影象。
19.deeplearning4j
Stars：3673
基於Hadoop 和 Spark的Java, Scala & Clojure深度學習工具。
Deeplearning4j（簡稱DL4J）是為Java和Scala編寫的首個商業級開源分散式深度學習庫。DL4J與Hadoop和Spark整合，為商業環境（而非研究工具目的）所設計。Skymind是DL4J的商業支援機構。
Deeplearning4j 技術先進，以即插即用為目標，通過更多預設的使用，避免太多配置，讓非研究人員也能夠進行快速的原型製作。DL4J同時可以規模化定製。DL4J遵循Apache 2.0許可協議，一切以其為基礎的衍生作品均屬於衍生作品的作者。
20.TFLearn
Stars：3368
深度學習庫，包括高層次的TensorFlow介面。
21.TensorFlow Playground
Stars：3352
神經網路模型示例。
22.OpenAI Gym
Stars：3020
一種用於開發和比較強化學習演算法的工具包。
23.Magenta
Stars：2914
Magenta: 音樂和藝術的生成與機器智慧
Google Brain團隊的一組研究人員釋出了一個專案Project Magenta，其主要目標是利用機器學習創作藝術和譜寫曲子。Project Magenta使用了 TensorFlow系統，研究人員在GitHub上開源了他們的模型和工具。
研究人員稱，機器生成的音樂已經存在了許多年，但它們在都缺乏長的敘事藝術。Project Magenta就試圖將故事作為機器生成音樂的重要部分。Google公佈了一個DEMO（MP3）表現Magenta專案的成果。
24.Colornet
Stars：2798
用神經網路模型給灰度圖上色。
25.Synaptic
Stars：2666
基於node.js和瀏覽器的免架構神經網路庫。
26.Neural Talk 2
Stars：2550
Torch開發的影象簡介生成程式碼，執行在GPU上。
27.Image Analogies
Stars：2540
使用神經匹配和融合生成相似圖形。
28.TensorFlow Tutorials
Stars：2413
Tensorflow，從基礎原理到應用。
29.Lasagne
Stars：2355
基於Theano訓練和構建神經網路的輕型函式庫。
30.PyLearn2
Stars：2153
基於Theano的機器學習庫。
31.LISA-lab Deep Learning Tutorials
Stars：2134
深度學習教程筆記和程式碼。詳情參見wiki頁面。
32.Neon
Stars：2121
Nervana™開發的一款快速、可擴充套件、易上手的Python深度學習框架.
neon 是 Nervana System 的深度學習軟體。根據Facebook一位研究者的基準測試，Nervana的軟體比業界知名的深度學習工具效能都要高，包括Facebook自己的Torch7和Nvidia的cuDNN。
33.Matlab Deep Learning Toolbox
Stars：2032
Matlab/Octave的深度學習工具箱。包括深度信念網路、自動編碼機、卷積神經網路、卷積自動編碼機和vanilla神經網路等。每種方法都有入門示例。
34.Deep Learning Flappy Bird
Stars：1721
使用深度強化學習破解Flappy Bird遊戲(深度 Q-學習).
35.dl-setup
Stars：1607
在深度學習機上設定軟體說明。
36.Chainer
Stars：1573
一款靈活的深度學習神經網路框架。
Chainer是深度學習的框架，Chainer在深度學習的理論演算法和實際應用之間架起一座橋樑。它的特點是強大、靈活、直觀，被認為是深度學習的靈活框架。
37.Neural Story Teller
Stars：1514
看圖講故事的遞迴神經網路模型。
38.DIGITS
Stars：1353
深度學習GPU訓練系統。
39.Deep Jazz
Stars：1229
基於Keras和Theano生成jazz的深度學習模型！
40.Tiny DNN
Stars：1183
僅引用標頭檔案，無依賴且使用 C ++ 11 的深度學習框架
41.Brainstorm
Stars：1143
快速、靈活、有趣的神經網路。
42.dl-docker
Stars：1044
一個用於深度學習的一體化 Docker 映象。 包含所有流行的 DL 框架（TensorFlow，Theano，Torch，Caffe等）。
43.Darknet
Stars：937
C語言版本的開源神經網路。
44.Theano Tutorials
Stars：904
基於Theano的機器學習入門教程，從線性迴歸到卷積神經網路。
45.RNN Music Composition
Stars：904
一款生成古典音樂的遞迴神經網路工具。
46.Blocks
Stars：866
用於構建和訓練神經網路模型的Theano框架
47.TDB
Stars：860
TensorFlow的互動式、節點除錯和視覺化的工具。
TensorDebugger (TDB) 是深度學習偵錯程式，使用斷點和計算機圖形化實時資料流視覺化擴充套件 TensorFlow（谷歌的深度學習框架）。特別的是，TDB 是一個 Python 庫和 一個 Jupyter Notebook 擴充套件的結合，構建 Google 的 TensorFlow 框架。
48.Scikit Neural Net
Stars：849
深度神經網路入門工具，類似scikit-learn的分類器和迴歸模型。
49.Veles
Stars：760
分散式機器學習平臺(Python, CUDA, OpenCL)
VELES 是分散式深度學習應用系統，使用者只需要提供引數，剩下的都可以交給 VELES。VELES 使用 Python 編寫，使用 OpenCL 或者 CUDA，利用基於 Flow 的程式設計。它是三星開發的另一個 TensorFlow。
50.Deep Detect
Stars：759
基於C++11的深度學習介面和伺服器，與Python繫結並支援Caffe。
51.TensorFlow DeepQ
Stars：759
基於Google Tensorflow的深度Q學習演示。
52.Caffe on Spark
Stars：724
基於Spark的Caffe。
雅虎認為，深度學習應該與現有的支援特徵工程和傳統（非深度）機器學習的資料處理管道在同一個叢集中，建立CaffeOnSpark意在使得深度學習訓練和測試能被嵌入到Spark應用程式中。CaffeOnSpark被設計成為一個Spark深度學習包。
53.Nolearn
Stars：702
神經網路庫的抽象，著名的Lasagne。
54.DCGAN TensorFlow
Stars：568
基於tensorflow實現的深度卷積生成對抗網路。
55.MatConvNet
Stars：479
MATLAB CNN 計算機視覺應用工具箱。
56.DeepCL
Stars：413
用於訓練深度卷積神經網路模型的OpenCL庫。
57.Visual Search Server
Stars：304
視覺化搜尋伺服器。一個簡單使用TensorFlow，InceptionV3模型和AWS GPU例項實現的視覺搜尋伺服器。
程式碼實現兩個方法，一個處理影象搜尋的伺服器和一個提取pool3功能的簡單索引器。 最近鄰搜尋可以使用近似（更快）或使用精確方法（更慢）以近似方式執行。
