TensorFlow | 29622 | 使用数据流图计算可扩展机器学习问题 |
Caffe | 11799 | Caffe是一个高效的开源深度学习框架 |
Neural Style | 10148 | Torch实现的神经网络算法 |
Deep Dream | 9042 | Deep Dream,一款图像识别工具 |
Keras | 7502 | 一款Python实现的深度学习库,包括卷积神经网络、递归神经网络等。运行在Theano和TensorFlow之上。 |
Roc AlphaGo | 7170 | 学生主导的一个独立项目,从新实现了 DeepMind在2016 Nature发表的内容, 《用深度神经网络和树搜索学习围棋》 (Nature 529, 484-489, 28 Jan 2016). |
TensorFlow Models | 6671 | 基于TensorFlow开发的模型 |
Neural Doodle | 6275 | 运用深度神经网络将涂鸦变为优雅的艺术品,从照片生成无缝纹理,转变图片风格,进行基于实例的提升,等等…还有更多!(语义风格传递的实现) |
CNTK | 5957 | 计算网络工具(Computational Network Toolkit,CNTK) |
TensorFlow Examples | 5872 | 初学者的TensorFlow教程和代码示例。 |
ConvNet JS | 5231 | 基于Javascript的深度学习库。在浏览器中训练卷积神经网络模型(或者普通模型)。 |
Torch | 5133 | Torch7,深度学习库。 |
OpenFace | 4855 | 基于深度学习网络的面部识别。 |
MXNet | 4685 | 轻巧、便携、灵活的分布式/移动深度学习框架,支持Python, R, Julia, Scala, Go, Javascript等等语言。 |
Nupic | 4364 | 智能计算的Numenta平台:一个脑启发式的计算智能和机器智能平台,基于皮层学习算法的生物精确神经网络模型。 |
Theano | 4286 | Theano 是一个 Python 库,用来定义、优化和模拟数学表达式计算,用于高效的解决多维数组的计算问题。 |
Leaf | 4281 | 黑客的开源机器智能框架。 |
Char RNN | 3820 | 多层递归神经网络的字符级别语言模型,基于Torch开发。 |
Neural Talk | 3694 | NeuralTalk是一个Python+numpy项目,用多模式递归神经网络描述图像。 |
deeplearning4j | 3673 | 基于Hadoop和Spark的Java, Scala & Clojure深度学习工具。 |
TFLearn | 3368 | 深度学习库,包括高层次的TensorFlow接口。 |
TensorFlow Playground | 3352 | 神经网络模型示例。 |
OpenAI Gym | 3020 | 一种用于开发和比较强化学习算法的工具包。 |
Magenta | 2914 | Magenta: 音乐和艺术的生成与机器智能 |
Colornet | 2798 | 用神经网络模型给灰度图上色。 |
Synaptic | 2666 | 基于node.js和浏览器的免架构神经网络库。 |
Neural Talk 2 | 2550 | Torch开发的图像简介生成代码,运行在GPU上。 |
Image Analogies | 2540 | 使用神经匹配和融合生成相似图形。 |
TensorFlow Tutorials | 2413 | Tensorflow,从基础原理到应用。 |
Lasagne | 2355 | 基于Theano训练和构建神经网络的轻型函数库。 |
PyLearn2 | 2153 | 基于Theano的机器学习库。 |
LISA-lab Deep Learning Tutorials | 2134 | 深度学习教程笔记和代码。详情参见wiki页面。 |
Neon | 2121 | Nervana™开发的一款快速、可扩展、易上手的Python深度学习框架. |
Matlab Deep Learning Toolbox | 2032 | Matlab/Octave的深度学习工具箱。包括深度信念网络、自动编码机、卷积神经网络、卷积自动编码机和vanilla神经网络等。每种方法都有入门示例。 |
Deep Learning Flappy Bird | 1721 | 使用深度强化学习破解Flappy Bird游戏(深度 Q-学习). |
Chainer | 1573 | 一款灵活的深度学习神经网络框架。 |
Neural Story Teller | 1514 | 看图讲故事的递归神经网络模型。 |
DIGITS | 1353 | 深度学习GPU训练系统。 |
Deep Jazz | 1229 | 基于Keras和Theano生成jazz的深度学习模型! |
Brainstorm | 1143 | 快速、灵活、有趣的神经网络。 |
Darknet | 937 | C语言版本的开源神经网络。 |
Theano Tutorials | 904 | 基于Theano的机器学习入门教程,从线性回归到卷积神经网络。 |
RNN Music Composition | 904 | 一款生成古典音乐的递归神经网络工具。 |
Blocks | 866 | 用于构建和训练神经网络模型的Theano框架。 |
TDB | 860 | TensorFlow的交互式、节点调试和可视化的工具。 |
Scikit Neural Net | 849 | 深度神经网络入门工具,类似scikit-learn的分类器和回归模型。 |
Veles | 760 | 分布式机器学习平台(Python, CUDA, OpenCL) |
Deep Detect | 759 | 基于C++11的深度学习接口和服务器,与Python绑定并支持Caffe。 |
TensorFlow DeepQ | 759 | 基于Google Tensorflow的深度Q学习演示。 |
Caffe on Spark | 724 | 基于Spark的Caffe。 |
Nolearn | 702 | 神经网络库的抽象,著名的Lasagne。 |
DCGAN TensorFlow | 568 | 基于tensorflow实现的深度卷积生成对抗网络。 |
DeepCL | 413 | 用于训练深度卷积神经网络模型的OpenCL库。 |
转 http://geek.csdn.net/news/detail/94963
相关推荐
这些项目只是GitHub上众多优秀深度学习项目的一部分。每个项目都代表了当前深度学习技术发展的某一方向,无论是从技术层面还是应用层面,都有着不可忽视的价值。对于希望深入学习深度学习技术的人来说,参与这些项目...
### GitHub 最受欢迎深度学习应用项目 Top 16 #### NeuralStyle **Star 数量:** 12122 **GitHub 地址:** [https://github.com/jcjohnson/neural-style](https://github.com/jcjohnson/neural-style) **知识点:...
GitHub作为一个开源社区,提供了许多深度学习项目、框架和库,例如TensorFlow、PyTorch、Keras等,便于开发者学习和实践。这份“深度学习 中文版”PDF文档,无疑是中文学习者了解和掌握深度学习理论和技术的重要资源...
改文档详细整理了一些在github上面的一些关于深度学习的实战项目!
在GitHub上,许多优秀的深度学习项目得到了广泛的关注和贡献。以下是一些受欢迎的深度学习开源项目,它们在不同的应用领域展示了深度学习的强大能力。 1. **TensorFlow**:由谷歌开发的第二代机器学习系统,其性能...
GitHub上最受欢迎的57个深度学习开源项目.pdf
一个受欢迎的深度学习相关github项目列表
标题中的“Python-利用GitHub上喜欢star的项目生成类awesome列表的汇总页面”指的是一个Python脚本或工具,它的功能是自动收集用户在GitHub上点赞(star)的项目,并整理成一个类似于“Awesome”系列的列表。...
rasbt在Github上整理了关于深度学习模型TensorFlow和Pytorch代码实现集合,含有100个,各种各样的深度学习架构,模型,和技巧的集合Jupyter Notebooks,从基础的逻辑回归到神经网络到CNN到GNN等,可谓一网打尽,值得...
本文将从零开始,详细介绍如何搭建一个深度学习项目,内容包括项目的启动、数据集的创建、深度模型的设计、模型的可视化和度量指标、网络调试以及如何优化模型性能和调整网络参数等关键步骤。 在选择项目时,应该...
21个项目玩转深度学习基于tensorflow实践详解,仅参考,请支持原作者正版图书,请从正规渠道购买,谢谢原作者!
## 想学习更多深度学习项目,可访问如下链接 1.通过自回归(AR,ARIMA)模型进行时间序列预测合集:https://github.com/yangwohenmai/TimeSeriesForecasting 2.通过深度学习模型进行时间序列预测合集:...
为了帮助开发者和研究人员更好地掌握最新的技术动态,Mybridge发布了2017年度全球范围内最受欢迎的30个开源机器学习项目。这些项目是从超过8800个GitHub上的开源项目中精心挑选出来的,涵盖了从基础工具到高级应用的...
【深度学习】是人工智能领域的一个重要分支,它模拟人脑的工作机制,通过构建复杂的神经网络模型来学习数据的内在规律和表示。深度学习的核心在于构建多层的神经网络,每层神经网络对输入数据进行逐步抽象和理解,...
数据加载和预处理也是深度学习项目中不可或缺的部分。PyTorch提供了`DataLoader`和`Dataset`类来处理数据集,包括加载、分批、预处理等操作。在实际应用中,你可能会看到如何使用这些工具来处理图像、文本等不同类型...