16個GitHub值得收藏的深度學習框架

2020-12-17 電子發燒友

16個GitHub值得收藏的深度學習框架

工程師3 發表於 2018-05-10 12:13:00

深度學習是一種基於對數據進行表證學習的機器學習方法，近些年不斷發展並廣受歡迎。

作為一個相對較新的概念，對於無論是想要進入該領域的初學者，還是已經熟知方法的老手來說，觸手可及的學習資源太豐富了。

為了不被日新月異的技術和潮流所淘汰，積極參與深度學習社區中開源項目的學習和互動是個很好的方法。

在本文中文小編將為大家詳細介紹16種GitHub中最受歡迎的深度學習開源平臺和開源庫，除此之外，還有些比較不錯的平臺和框架雖然沒有進入榜單，文小編也列了出來，供大家參考。

GitHub收藏和貢獻率最高的16個開源深度學習框架，圓圈的顏色越偏綠色表示框架越新，顏色越偏藍色表明框架的時間越早。

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個最棒的深度學習開源框架和平臺

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的。這個框架旨在方便研究人員對機器學習的研究，並簡化從研究模型到實際生產的遷移的過程。

收藏： 96655， 貢獻人數： 1432， 程序提交次數： 31714， 建立日期： 2015年11月1日。

連結：https://github.com/tensorflow/tensorflow

2 Keras

Keras是用Python編寫的高級神經網絡的API，能夠和TensorFlow，CNTK或Theano配合使用。

收藏： 28385， 貢獻人數： 653， 程序提交次數： 4468， 建立日期： 2015年3月22日。

連結：https://github.com/keras-team/keras

3. Caffe

Caffe是一個重在表達性、速度和模塊化的深度學習框架，它由Berkeley Vision and Learning Center（伯克利視覺和學習中心）和社區貢獻者共同開發。

收藏： 23750， 貢獻人數： 267， 程序提交次數： 4128， 建立日期： 2015年9月8日。

連結：https://github.com/BVLC/caffe

4. Microsoft Cognitive Toolkit

Microsoft Cognitive Toolkit（以前叫做CNTK）是一個統一的深度學習工具集，它將神經網絡描述為一系列通過有向圖表示的計算步驟。

收藏： 14243， 貢獻人數： 174， 程序提交次數： 15613， 建立日期： 2014年7月27日。

連結：https://github.com/Microsoft/CNTK

5. PyTorch

PyTorch是與Python相融合的具有強大的GPU支持的張量計算和動態神經網絡的框架。

收藏： 14101， 貢獻人數： 601， 程序提交次數： 10733， 建立日期： 2012年1月22日。

連結：https://github.com/pytorch/pytorch

6. Apache MXnet

Apache MXnet是為了提高效率和靈活性而設計的深度學習框架。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力。

收藏： 13699， 貢獻人數： 516， 程序提交次數： 6953， 建立日期： 2015年4月26日。

連結：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網絡庫，並獲得了Apache 2.0的認證。

收藏：8725， 貢獻人數： 141， 程序提交次數： 9647， 建立日期： 2013年11月24日。

連結：https://github.com/deeplearning4j/deeplearning4j

8. Theano

Theano可以高效地處理用戶定義、優化以及計算有關多維數組的數學表達式。 但是在2017年9月，Theano宣布在1.0版發布後不會再有進一步的重大進展。不過不要失望，Theano仍然是一個非常強大的庫足以支撐你進行深度學習方面的研究。

收藏： 8141， 貢獻人數： 329， 程序提交次數：27974， 建立日期： 2008年1月6日。

連結：https://github.com/Theano/Theano

9. TFLearn

TFLearn是一種模塊化且透明的深度學習庫，它建立在TensorFlow之上，旨在為TensorFlow提供更高級別的API，以方便和加快實驗研究，並保持完全的透明性和兼容性。

收藏： 7933， 貢獻人數： 111， 程序提交次數： 589， 建立日期：2016年3月27日。

連結：https://github.com/tflearn/tflearn

10. Torch

Torch是Torch7中的主要軟體包，其中定義了用於多維張量的數據結構和數學運算。此外，它還提供許多用於訪問文件，序列化任意類型的對象等的實用軟體。

收藏： 7834， 貢獻人數： 133， 程序提交次數： 1335， 建立日期：2012年1月22日。

連結：https://github.com/torch/torch7

11. Caffe2

Caffe2是一個輕量級的深度學習框架，具有模塊化和可擴展性等特點。它在原來的Caffe的基礎上進行改進，提高了它的表達性，速度和模塊化。

收藏： 7813， 貢獻人數： 187， 程序提交次數： 3678， 建立日期：2015年1月21日。

連結：https://github.com/caffe2/caffe2

12. PaddlePaddle

PaddlePaddle（平行分布式深度學習）是一個易於使用的高效、靈活、可擴展的深度學習平臺。它最初是由百度科學家和工程師們開發的，旨在將深度學習應用於百度的眾多產品中。

收藏： 6726， 貢獻人數： 120， 程序提交次數： 13733， 建立日期：2016年8月28日。

連結：https://github.com/PaddlePaddle/Paddle

13. DLib

DLib是包含機器學習算法和工具的現代化C ++工具包，用來基於C ++開發複雜的軟體從而解決實際問題。

收藏： 4676， 貢獻人數： 107， 程序提交次數： 7276， 建立日期：2008年4月27日。

連結：https://github.com/davisking/dlib

14. Chainer

Chainer是基於python用於深度學習模型中的獨立的開源框架，它提供靈活、直觀、高性能的手段來實現全面的深度學習模型，包括最新出現的遞歸神經網絡（recurrent neural networks）和變分自動編碼器（variational auto-encoders）。

收藏： 3685， 貢獻人數： 160， 程序提交次數： 13700， 建立日期： 2015年4月12日。

連結：https://github.com/chainer/chainer

15. Neon

Neon是Nervana開發的基於Python的深度學習庫。它易於使用，同時性能也處於最高水準。

收藏： 3466， 貢獻人數： 77， 程序提交次數： 1112， 建立日期： 2015年5月3日。

連結：https://github.com/NervanaSystems/neon

16. Lasagne

Lasagne是一個輕量級的庫，可用於在Theano上建立和訓練神經網絡。

收藏： 3417， 貢獻人數：64， 程序提交次數： 1150， 建立日期：2014年9月7日。

連結：https://github.com/Lasagne/Lasagne

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴

相關焦點

  • Keras vs PyTorch:誰是第一深度學習框架?
    【IT168 資訊】「第一個深度學習框架該怎麼選」對於初學者而言一直是個頭疼的問題。本文中，來自 deepsense.ai 的研究員給出了他們在高級框架上的答案。在 Keras 與 PyTorch 的對比中，作者還給出了相同神經網絡在不同框架中性能的基準測試結果。
  • 深度學習訓練過程可視化(附github源碼)
    深度學習訓練過程一直處於黑匣子狀態，有很多同學問我具體怎麼解釋？
  • 不到1000行代碼,GitHub 1400星,天才黑客開源深度學習框架tinygrad
    來源：機器之心 本文約2000字，建議閱讀5分鐘 最近，天才黑客 George Hotz 開源了一個小型深度學習框架 tinygrad，兼具 PyTorch
  • 深度學習動手入門:GitHub上四個超棒的TensorFlow開源項目
    TensorFlow是Google的開源深度學習庫，你可以使用這個框架以及Python程式語言，構建大量基於機器學習的應用程式。而且還有很多人把TensorFlow構建的應用程式或者其他框架，開源發布到GitHub上。 這次跟大家分享一些GitHub上令人驚奇的TensorFlow項目，你可以直接在你的應用中使用，或者根據自身所需進一步予以改進。
  • 深度學習框架搭建之PyTorch
    深度學習框架搭建之PyTorchPyTorch 簡介PyTorch 是由 Facebook 推出，目前一款發展與流行勢頭非常強勁的深度學習框架。PyTorch 與 NumPy 非常相似，可以說是它的替代者，支持 GPU 加速運算，用來搭建和訓練深度神經網絡。如果學習過 NumPy 以及常見的深度學習概念（如卷積層，循環層等），非常容易上手PyTorch。目前主流的深度學習框架主要有 TensorFlow，PyTorch，mxnet，caffe和Keras 等。
  • TensorFlow、Keras、CNTK...到底哪種深度學習框架更好用?
    作者 | 微軟 Cortana AI 和 ML 團隊 AI 前線導讀：社區裡流行的深度學習框架不少，但是 TensorFlow、Julia、CNTK... 到底哪種使用起來既方便又高效呢？微軟的 CortanaAI 和 ML 團隊對幾種主流的深度學習框架進行了比較，並在 GitHub 上開放了測試結果。那麼，測試的結果如何呢？
  • 2019 年 12 個深度學習最佳書籍清單!值得收藏
    Trask資源：https://github.com/iamtrask/Grokking-Deep-Learning類別：深度學習關於讀者：面向具有高中數學和中級編程技能的讀者。完成後，您將準備好掌握深度學習框架。3. 《Python 深度學習》
  • MIT 深度學習基礎教程:七個基本框架TensorFlow代碼實戰
    【導讀】麻省理工學院發布一系列深度學習視頻課和代碼實戰，今天給大家介紹的是研究科學家Lex Fridman整理的常用的深度學習七個基本框架實戰，
  • 易用的新深度學習框架Keras簡介及使用
    最近發現了一個叫做Keras的框架，跟我的想法不謀而合，用起來特別簡單，適合快速開發。（其實還有很多其他的深度學習框架都是比較容易用的。）1. Keras簡介Keras是基於Theano的一個深度學習框架，它的設計參考了Torch，用Python語言編寫，是一個高度模塊化的神經網絡庫，支持GPU和CPU。
  • 資源 | 如何利用VGG-16等模型在CPU上測評各深度學習框架
    本項目對比了各深度學習框架在 CPU 上運行相同模型（VGG-16 和 MobileNet）單次迭代所需要的時間。
  • 這是一份超全機器學習&深度學習資源清單(105個AI站點),請收藏!
    ，主流的都涵蓋到，是深度學習從業者不錯的一個導航，歡迎使用！/detail/1001319001.htm): 深度學習課程資源收集awesome-machine-learning-cn (https://github.com/jobbole/awesome-machine-learning-cn): 機器學習資源大全中文版，包括機器學習領域的框架、庫以及軟體
  • 深度學習框架哪家強?國產框架OneFlow做了一份測評報告
    機器之心報導機器之心編輯部近日，國產深度學習框架 OneFlow 發布了人工智慧方向深度學習領域的 DLPerf 測評報告。OneFlow 是一流科技自主研發、擁有完全自主智慧財產權的深度學習框架軟體，是國內首個由初創團隊研發並開源的 AI 框架，今年 7 月 31 日正式開源。OneFlow 獨創的自動數據模型混合併行、靜態調度、去中心化和全鏈路異步流式執行四大核心技術，使用軟體技術解決大數據、大模型、大計算所帶來的異構集群分布式橫向擴展挑戰，獲得了廣泛的業內關注。
  • 深度| 對比深度學習十大框架:TensorFlow最流行但並不是最好
    選自Medium機器之心編譯參與：吳攀、朱思穎、李亞洲2016 年已經過去，BEEVA Labs 數據分析師 Ricardo Guerrero Gomez-Ol 近日在 Medium 上發表了一篇文章，盤點了目前最流行的深度學習框架。為什麼要做這一個盤點呢？他寫道：「我常聽到人們談論深度學習——我該從哪裡開始呢？TensorFlow 是現在最流行的吧？
  • TensorFlow和Caffe、MXNet、Keras等其他深度學習框架的對比
    在這一年多時間，TensorFlow 已從初入深度學習框架大戰的新星，成為了幾近壟斷的行業事實標準。主流深度學習框架對比深度學習研究的熱潮持續高漲，各種開源深度學習框架也層出不窮，其中包括 TensorFlow、Caffe、Keras、CNTK、Torch7、MXNet、Leaf、Theano、DeepLearning4、Lasagne、Neon 等等。
  • 微軟打造深度學習開源框架「自動翻譯機」:不同框架輕鬆切換
    【新智元導讀】微軟Cortana智能和機器學習小組的數據科學家最新在Giuhub開源項目，對各個深度學習框架進行了基準測試，提供了很多有參考價值的數據以及GPU優化代碼。眾多的深度學習框架，就像世界上各種不同的語言一樣，但是，不會「外語」並不可怕，他們希望構建一個深度學習框架的羅塞塔石碑，讓開發人員和研究者能在這個眾多框架並存的環境中，好好生存。
  • 對比深度學習十大框架:TensorFlow 並非最好?
    他寫道：「我常聽到人們談論深度學習——我該從哪裡開始呢？TensorFlow 是現在最流行的吧？我聽說 Caffe 很常用，但會不會太難了？在 BEEVA Labs，我們常常需要應對許多不同的深度學習庫，所以我希望能夠將我們的發現和感想分享出來，幫助那些剛剛進入深度學習這一美麗世界的人。」
  • 【吐血整理】強烈推薦 GitHub 上值得學習的開源實戰項目(持續更新中,萬字長文建議收藏)
    AI/機器學習Real-Time-Voice-Cloning        推薦指數：★Star14.2K推薦語：SV2TTS 是一個三階段深度學習框架，可以在 5 秒的音頻中創建一個語音的數字表示，並使用它來調整一個經過訓練的文本到語音模型，以推廣到新的語音。
  • 清華開源Jittor:首個國內高校自研深度學習框架,一鍵轉換PyTorch
    機器之心報導機器之心編輯部繼 Theano、Caffe 之後，又一個由高校主導的深度學習框架開源了，而且還是國產。深度學習框架越來越多，主導的團隊也從高校研究機構漸漸轉向了科技巨頭。清華大學開發了一個名為計圖（Jittor）的深度學習框架。這一框架有望為深度學習社區提供新的方案，也能夠推動深度學習框架國產化的進程。據悉，計圖（Jittor：Just in Time）是一個採用元算子表達神經網絡計算單元、完全基於動態編譯（Just-in-Time）的深度學習框架，其主要特性為元算子和統一計算圖。
  • Spark與深度學習框架——H2O、deeplearning4j、SparkNet
    深度學習是當前正在進行中的Spark項目之一。本文我們將介紹一些Spark能用的深度學習框架。深度學習因其高準確率及通用性，成為機器學習中最受關注的領域。這種算法在2011—2012年期間出現，並超過了很多競爭對手。最開始，深度學習在音頻及圖像識別方面取得了成功。此外，像機器翻譯之類的自然語言處理或者畫圖也能使用深度學習算法來完成。
  • 深度 對比深度學習十大框架:TensorFlow最流行但並不是最好
    他寫道：「我常聽到人們談論深度學習——我該從哪裡開始呢？TensorFlow 是現在最流行的吧？我聽說 Caffe 很常用，但會不會太難了？在 BEEVA Labs，我們常常需要應對許多不同的深度學習庫，所以我希望能夠將我們的發現和感想分享出來，幫助那些剛剛進入深度學習這一美麗世界的人。」