18個最熱深度學習Github項目逐一介紹

jopen 10年前發布 | 386K 次閱讀深度學習機器學習

摘要: 前幾天meta-guide.com列出了100個深度學習的源代碼項目，但其中大部分都不活躍。這里我們精選出18個最活躍的項目，每個都制作了信息卡片，一目了然，方便比較和轉貼。 ...

</div>

前幾天meta-guide.com列出了100個深度學習的源代碼項目，但其中大部分都不活躍。這里我們精選出18個最活躍的項目，每個都制作了信息卡片，一目了然，方便比較和轉貼。

所有18個項目的列表見 http://bigdata.memect.com/?tag=superhot+deeplearning

（meta-guide.com原完整項目列表見 http://memect.co/punt6PW ）

18） @丕子的PG_DEEP 這是一個C++實現的Demo，目前有20星。代碼相對簡單，非常適合入門學習。http://bigdata.memect.com/?p=10354

17） n42 ，21星，一個nodejs的實現，可以直接npm install n42。實現了4個算法：Newral Network，Logistics Regressio，Stacked denoised Autoencodern，Deep Belief Nets。代碼不長，適合學習。雖然nodejs并不適合計算密集型任務，作為教學例子還是很不錯的，特別是需要在瀏覽器里做深度學習的可視化時 (Javascript也參convnetjs，見后) http://bigdata.memect.com/?p=10402

16）宗師Hinton的代碼，23星，是Matlab的。實現了autoencoder，Restricted Boltzmann Machine（RBM）。這個應用在圖像領域。宗師出品，重要性不用解釋。 http://bigdata.memect.com/?p=10294

15） stanford_dl_ex 這是另一個斯坦福深度學習公開課的習題解答，24星，作者Andrew Maas 和Sameep Tandon。語言是Matlab。同樣適合入門學習。http://bigdata.memect.com/?p=10303

14）DeepLearningBenchmarks 29星，比較了Theano和其他幾個實現的性能：eblearn, python numpy, torch5, torch 7。不過列表有些老，都是2011年前的，新的項目沒有加進去。http://bigdata.memect.com/?p=10190

13）deeplearning-class-2011 這個也是 UFLDF課程的一個實現，31星，語言是Octave，Matlab和Python (NumPy) http://bigdata.memect.com/?p=10339

12） medal=Matlab Environment for Deep Architecture Learning，37星，是一個Matlab的示范庫，也實現了RBM，DBN, CRNM等主流的模型。 http://bigdata.memect.com/?p=10390

</div>

11）kaggle-blackbox ，作者Zaj?c，53星，這是2013年Kaggle無監督學習競賽的一個實現。它實現了一個隨機森林算法和一個稀疏濾波算法。語言是Matlab，也可以用Octave跑。文檔和說明參見 http://bigdata.memect.com/?tag=kaggle-blackbox

10） libdeep 這是個C的實現，目前54星。在Linux上可以安裝到系統庫，然后就可以在其他項目里調用了。如果追求性能，這是個好選擇。http://bigdata.memect.com/?p=10462

9） OpenDL 這是個很新的實現，是基于spark的。語言是Java。除了spark還用到了Mallet機器學習包和JBlas線性代數包。 http://bigdata.memect.com/?p=10345 更多spark參考請看大數據精華區的專題 http://memect.co/FUdsSH9 。

8） UFLDL-tutorial ，作者Dan Luu，94星，這是斯坦福深度學習公開課和 Andrew Ng’s UFLDL（無監督特征學習和深度學習）教程的所有練習的解答。代碼是Matlab的，作者聲稱對Octave兼容，所以理論上甚至可以從python調用。非常適合入門。http://bigdata.memect.com/?p=10423 UFLDL教程 @鄧侃曾組織翻譯成了中文，入門必讀 http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B。

7） rbm-mnist 這個是hinton matlab代碼（ http://memect.co/r12f-q6 ）的C++改寫，189星。它還實現了Rasmussen的共軛梯度Conjugate Gradient算法。http://bigdata.memect.com/?p=10327

6） neural-networks-and-deep-learning，243星，這是作者的書Neural Networks and Deep Learning的配套代碼，語言是Python。http://bigdata.memect.com/?p=10468 這本書是免費的，不過還沒有寫完，可以預覽前幾章 http://memect.co/2utGmkY

5) deepnet ，這個是GPU實現的深度學習算法，前向網絡，RBM，DBN，Autoencoder, DBM, CNN包括了，底層用的CUDA 。目前282星。實現語言是Python，做到了簡潔性與計算性能的良好結合，特別推薦。http://bigdata.memect.com/?p=10342

4) Lisa Lab的DeepLearningTutorials，也就是deeplearning.net上的教程和源代碼。Python實現，是基于pylearn2和Theano的。目前500多星，非常火爆。http://bigdata.memect.com/?p=10941 他們的wiki上很不錯的資源列表，如論文和數據集 http://memect.co/koF-C2P

3) Yusuke Sugomori（巣籠悠輔）的深度學習實現。這個是特別熱門的一個庫，有近600星。從算法和實現語言覆蓋面上都是一網打盡，學習深度學習代碼的必讀之一，提供了5種語言的實現：Python, C/C++, Java, Scala，囊括了各種主流深度學習算法：DBN, CDBN,RBM, CRBM,dA, SdA, LR等。http://bigdata.memect.com/?p=10441