机器学习与人脸识别领域的一些代表性论文清单及简介

深度学习是一种基于对数据进行表证学习的机器学习方法，近些年不断发展并广受欢迎。

作为一个相对较新的概念，对于无论是想要进入该领域的初学者，还是已经熟知方法的老手来说，触手可及的学习资源太丰富了。

为了不被日新月异的技术和潮流所淘汰，积极参与深度学习社区中开源项目的学习和互动是个很好的方法。

在本文中将为大家详细介绍16种GitHub中最受欢迎的深度学习开源平台和开源库，除此之外，还有些比较不错的平台和框架虽然没有进入榜单，我们也列了出来，供大家参考。

GitHub收藏和贡献率最高的16个开源深度学习框架，圆圈的颜色越偏绿色表示框架越新，颜色越偏蓝色表明框架的时间越早。

从上图可知，TensorFlow高居榜首，第二名和第三名的是分别是Keras和Caffe。下面就将这些资源分享给大家。

16个最棒的深度学习开源框架和平台

TensorFlow

TensorFlow最初由谷歌的MachineIntelligence research organization 中Google Brain Team的研究人员和工程师开发的。这个框架旨在方便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迁移的过程。

收藏: 96655, 贡献人数:1432, 程序提交次数: 31714, 建立日期: 2015年11月1日。

链接：https://github.com/tensorflow/tensorflow

Keras

Keras是用Python编写的高级神经网络的API，能够和TensorFlow，CNTK或Theano配合使用。

收藏: 28385, 贡献人数:653, 程序提交次数: 4468, 建立日期: 2015年3月22日。

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

Caffe

Caffe是一个重在表达性、速度和模块化的深度学习框架，它由Berkeley Vision and Learning Center（伯克利视觉和学习中心）和社区贡献者共同开发。

收藏: 23750, 贡献人数:267, 程序提交次数: 4128, 建立日期: 2015年9月8日。

链接：https://github.com/BVLC/caffe

Microsoft Cognitive Toolkit

Microsoft Cognitive Toolkit（以前叫做CNTK）是一个统一的深度学习工具集，它将神经网络描述为一系列通过有向图表示的计算步骤。

收藏: 14243, 贡献人数:174, 程序提交次数: 15613, 建立日期: 2014年7月27日。

链接：https://github.com/Microsoft/CNTK

PyTorch

PyTorch是与Python相融合的具有强大的GPU支持的张量计算和动态神经网络的框架。

收藏: 14101, 贡献人数:601, 程序提交次数: 10733, 建立日期: 2012年1月22日。

链接：https://github.com/pytorch/pytorch

Apache MXnet

Apache MXnet是为了提高效率和灵活性而设计的深度学习框架。它允许使用者将符号编程和命令式编程混合使用，从而最大限度地提高效率和生产力。

收藏: 13699, 贡献人数:516, 程序提交次数: 6953, 建立日期: 2015年4月26日。

链接：https://github.com/apache/incubator-mxnet

DeepLearning4J

DeepLearning4J和ND4J，DataVec，Arbiter以及RL4J一样，都是Skymind Intelligence Layer的一部分。它是用Java和Scala编写的开源的分布式神经网络库，并获得了Apache 2.0的认证。

收藏:8725, 贡献人数: 141,程序提交次数: 9647, 建立日期: 2013年11月24日。

链接：https://github.com/deeplearning4j/deeplearning4j

Theano

Theano可以高效地处理用户定义、优化以及计算有关多维数组的数学表达式。但是在2017年9月，Theano宣布在1.0版发布后不会再有进一步的重大进展。不过不要失望，Theano仍然是一个非常强大的库足以支撑你进行深度学习方面的研究。

收藏: 8141, 贡献人数:329, 程序提交次数:27974, 建立日期: 2008年1月6日。

链接：https://github.com/Theano/Theano

TFLearn

TFLearn是一种模块化且透明的深度学习库，它建立在TensorFlow之上，旨在为TensorFlow提供更高级别的API，以方便和加快实验研究，并保持完全的透明性和兼容性。

收藏: 7933, 贡献人数:111, 程序提交次数: 589, 建立日期:2016年3月27日。

链接：https://github.com/tflearn/tflearn

Torch

Torch是Torch7中的主要软件包，其中定义了用于多维张量的数据结构和数学运算。此外，它还提供许多用于访问文件，序列化任意类型的对象等的实用软件。

收藏: 7834, 贡献人数:133, 程序提交次数: 1335, 建立日期:2012年1月22日。

链接：https://github.com/torch/torch7

Caffe2

Caffe2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点。它在原来的Caffe的基础上进行改进，提高了它的表达性，速度和模块化。

收藏: 7813, 贡献人数:187, 程序提交次数: 3678, 建立日期:2015年1月21日。

链接：https://github.com/caffe2/caffe2

PaddlePaddle

PaddlePaddle（平行分布式深度学习）是一个易于使用的高效、灵活、可扩展的深度学习平台。它最初是由百度科学家和工程师们开发的，旨在将深度学习应用于百度的众多产品中。

收藏: 6726, 贡献人数:120, 程序提交次数: 13733, 建立日期:2016年8月28日。

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

DLib

DLib是包含机器学习算法和工具的现代化C ++工具包，用来基于C ++开发复杂的软件从而解决实际问题。

收藏: 4676, 贡献人数:107, 程序提交次数: 7276, 建立日期:2008年4月27日。

链接：https://github.com/davisking/dlib

Chainer

Chainer是基于python用于深度学习模型中的独立的开源框架，它提供灵活、直观、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（recurrent neural networks）和变分自动编码器（variationalauto-encoders）。

收藏: 3685, 贡献人数:160, 程序提交次数: 13700, 建立日期: 2015年4月12日。

链接：https://github.com/chainer/chainer

Neon

Neon是Nervana开发的基于Python的深度学习库。它易于使用，同时性能也处于最高水准。

收藏: 3466, 贡献人数: 77,程序提交次数: 1112, 建立日期: 2015年5月3日。

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

Lasagne

Lasagne是一个轻量级的库，可用于在Theano上建立和训练神经网络。

收藏: 3417, 贡献人数:64, 程序提交次数: 1150, 建立日期:2014年9月7日。

链接：https://github.com/Lasagne/Lasagne

其他选择

H2O.ai
https://github.com/h2oai/h2o-3

PyLearn
https://github.com/lisa-lab/pylearn2

BigDL
https://github.com/intel-analytics/BigDL

Shogun
https://github.com/shogun-toolbox/shogun

ApacheSINGA
https://github.com/apache/incubator-singa

Blocks
https://github.com/mila-udem/blocks

Mocha
https://github.com/pluskid/Mocha.jl

---------------------------------------------------------------------------------------------------------------

CDA为大家推荐人工智能工程师就业班，课程以实战案例出发，从自然语言处理、图像识别、语音识别、专家系统等多种典型应用入手，使CDA人工智能工程师就业班课程更能符合就业要求、企业要求。

了解详情：https://www.cda.cn/kecheng/58.html
咨询电话：18510169390 赵老师