大数据文摘作品编译：景哲、史锦田、江宝尚深度学习是一种基于数据证据学习的机器学习方法。近年来得到不断的发展和发展。广受欢迎。作为一个比较新的概念，有那么多的学习资源触手可及，无论你是想入行的初学者，还是已经熟悉方法的老手。为了不被日新月异的技术和趋势所淘汰，积极参与深度学习社区开源项目的学习和互动是一个很好的方式。在本文中，中文文摘将详细介绍16个最流行的深度学习开源平台和GitHub中的开源库。此外，还有一些比较好的平台和框架。虽然他们没有进入名单，但《文摘》也将他们列了出来。出来供大家参考。GitHub收录率和贡献率最高的16个开源深度学习框架。圆圈颜色越绿，框架越新，颜色越蓝，框架越早。从上图可以看出，TensorFlow高居榜首，Keras和Caffe分别排名第二和第三。下面文摘菌就把这些资源分享给大家。16个最佳深度学习开源框架和平台1.TensorFlowTensorFlow最初是由谷歌机器智能研究机构谷歌大脑团队的研究人员和工程师开发的。该框架旨在促进研究人员对机器学习的研究，并简化从研究模型到实际生产的过程。收藏：96655，贡献者数量：1432，程序提交数量：31714，创建日期：2015年11月1日。链接：https://github.com/tensorflow/tensorflow2KerasKeras是一个用Python编写的用于高级神经网络的API，可以与TensorFlow、CNTK或Theano一起使用。收藏：28385，贡献者数：653，程序提交数：4468，创建日期：2015-03-22。链接：https://github.com/keras-team/keras3。CaffeCaffe是一个专注于表现力、速度和模块化的深度学习框架，由伯克利视觉与学习中心（BerkeleyVisionandLearningCenter）和社区共同开发。收藏数：23750，投稿人数：267，程序投稿数：4128，创建日期：2015.09.08。链接：https://github.com/BVLC/caffe4。MicrosoftCognitiveToolkitMicrosoftCognitiveToolkit（以前称为CNTK）是一个统一的深度学习工具集，它将神经网络描述为由有向图表示的一系列计算步骤。收藏：14243，贡献者数：174，程序投稿数：15613，创建日期：2014-07-27。链接：https://github.com/Microsoft/CNTK5。PyTorchPyTorch是一个强大的GPU支持的张量计算和与Python集成的动态神经网络框架。收藏：14101，贡献者数：601，程序提交数：10733，创建日期：2012-01-22。链接：https://github.com/pytorch/pytorch6。ApacheMXnetApacheMXnet是一个专为提高效率和灵活性而设计的深度学习框架。它允许用户混合使用符号和命令式编程，以最大限度地提高效率和生产力。收藏：13699，贡献者数：516，程序提交数：6953，创建日期：2015-04-26。链接：https://github.com/apache/incubator-mxnet7。DeepLearning4JDeepLearning4J与ND4J、DataVec、Arbiter和RL4J一样，是Skymind智能层的一部分。它是一个用Java和Scala编写并通过Apache2.0认证的开源分布式神经网络库。收藏夹：8725，贡献者：141，程序提交：9647，创建日期：2013年11月24日。链接：https://github.com/deeplearning4j/deeplearning4j8。TheanoTheano可以高效地处理用户定义、优化和计算的多维数组上的数学表达式。但在2017年9月，Theano宣布在1.0版本发布后不会有进一步的重大开发。但不要绝望，Theano仍然是一个非常强大的库，足以支持你的深度学习研究。收藏：8141，贡献者数：329，程序提交数：27974，创建日期：2008-01-06。链接：https://github.com/Theano/Theano9。TFLearnTFLearn是一个构建在TensorFlow之上的模块化和透明的深度学习库，旨在为TensorFlow提供更高级别的API，以促进和加速实验研究，并保持完全的透明性和兼容性。收藏：7933，贡献者数：111，程序投稿数：589，创建日期：2016-03-27。链接：https://github.com/tflearn/tflearn10。TorchTorch是Torch7中的主要包，它定义了多维张量的数据结构和数学运算。此外，它还提供了许多用于访问文件、序列化任意类型的对象等的实用程序。收藏：7834，贡献者数：133，程序提交数：1335，创建日期：2012-01-22。链接：https://github.com/torch/torch711。Caffe2Caffe2是一个轻量级的深度学习框架，具有模块化和可扩展性等特性。它改进了原来的Caffe，提高了它的表现力、速度和模块化。收藏：7813，贡献者数：187，程序提交数：3678，创建日期：2015-01-21。链接：https://github.com/caffe2/caffe212。PaddlePaddlePaddlePaddle（并行分布式深度学习）是一个简单易用、高效、灵活、可扩展的深度学习平台。它最初由百度科学家和工程师开发，旨在将深度学习应用到百度的许多产品中。收藏数：6726，贡献者数：120，程序投稿数：13733，创建日期：2016-08-28。链接：https://github.com/PaddlePaddle/Paddle13。DLibDLib是一个包含机器学习算法和工具的现代C++工具包，用于开发基于C++的复杂软件来解决实际问题。收藏夹：4676，贡献者：107，程序提交：7276，创建日期：2008年4月27日。链接：https://github.com/davisking/dlib14。ChainerChainer是一个基于python的独立开源深度学习模型框架。它提供了灵活、直观和高性能的手段来实现全面的深度学习模型，包括最新出现的递归神经网络（recurrentneuralnetworks）和变分自动编码器（variationalauto-encoders）。收藏：3685，贡献者数：160，程序提交数：13700，创建日期：2015-04-12。链接：https://github.com/chainer/chainer15。NeonNeon是Nervana开发的基于Python的深度学习库。它易于使用并以最高级别执行。收藏：3466，贡献者数：77，程序提交数：1112，创建日期：2015.05.03。链接：https://github.com/NervanaSystems/neon16。LasagneLasagne是一个轻量级库，可用于在Theano上构建和训练神经网络。收藏数：3417，投稿人数：64，程序投稿数：1150，创建日期：2014.09.07。链接：https://github.com/Lasagne/Lasagne其他选项H2O.ai：https://github.com/h2oai/h2o-3PyLearn：https://github.com/lisa-lab/pylearn2BigDL：https://github.com/intel-analytics/BigDLShogun：https://github.com/shogun-toolbox/shogunApacheSINGA：https://github.com/apache/incubator-singa区块：https://github.com/mila-udem/blocks摩卡：https://github.com/pluskid/Mocha.jl相关报道：https://www.kdnuggets.com/2018/04/top-16-open-source-deep-learning-libraries.html【本文为专栏组织大数据文摘原创翻译，微信公众号“大数据文摘（id：BigDataDigest）”】点此查看作者更多好文
