Deep learning深度学习的十大开源框架

Google开源了TensorFlow（GitHub），此举在深度学习领域影响巨大，由于Google在人工智能领域的研发成绩斐然，有着雄厚的人才储备，并且Google本身的Gmail和搜索引擎都在使用自行研发的深度学习工具。

 

对于但愿在应用中整合深度学习功能的开发者来讲，GitHub上其实还有不少不错的开源项目值得关注，首先咱们推荐目前规模人气最高的TOP3：

 

1、Caffe。源自加州伯克利分校的Caffe被普遍应用，包括Pinterest这样的web大户。与TensorFlow同样，Caffe也是由C++开发，Caffe也是Google今年早些时候发布的DeepDream项目（能够识别喵星人的人工智能神经网络）的基础。

 

2、Theano。2008年诞生于蒙特利尔理工学院，Theano派生出了大量深度学习Python软件包，最著名的包括Blocks和Keras。

 

3、Torch。Torch诞生已经有十年之久，可是真正起势得益于去年Facebook开源了大量Torch的深度学习模块和扩展。Torch另一个特殊之处是采用了不怎么流行的编程语言Lua（该语言曾被用来开发视频游戏）。

 

除了以上三个比较成熟知名的项目，还有不少有特点的深度学习开源框架也值得关注：

 

四、Brainstorm。来自瑞士人工智能实验室IDSIA的一个很是发展前景很不错的深度学习软件包，Brainstorm可以处理上百层的超级深度神经网络——所谓的公路网络Highway Networks。

 

5、Chainer。来自一个日本的深度学习创业公司Preferred Networks，今年6月发布的一个Python框架。Chainer的设计基于define by run原则，也就是说，该网络在运行中动态定义，而不是在启动时定义，这里有Chainer的详细文档。

 

6、Deeplearning4j。 顾名思义，Deeplearning4j是”for Java”的深度学习框架，也是首个商用级别的深度学习开源库。Deeplearning4j由创业公司Skymind于2014年6月发布，使用 Deeplearning4j的不乏埃森哲、雪弗兰、博斯咨询和IBM等明星企业。

 

DeepLearning4j是一个面向生产环境和商业应用的高成熟度深度学习开源库，可与Hadoop和Spark集成，即插即用，方便开发者在APP中快速集成深度学习功能，可应用于如下深度学习领域：

• 人脸/图像识别

• 语音搜索

• 语音转文字（Speech to text）

• 垃圾信息过滤（异常侦测）

• 电商欺诈侦测

7、Marvin。是普林斯顿大学视觉工做组新推出的C++框架。该团队还提供了一个文件用于将Caffe模型转化成语Marvin兼容的模式。

 

8、ConvNetJS。这是斯坦福大学博士生Andrej Karpathy开发浏览器插件，基于万能的JavaScript能够在你的游览器中训练神经网络。Karpathy还写了一个ConvNetJS的入门教程，以及一个简洁的浏览器演示项目。

 

9、MXNet。出自CXXNet、Minerva、Purine等项目的开发者之手，主要用C++编写。MXNet强调提升内存使用的效率，甚至能在智能手机上运行诸如图像识别等任务。

 

10、Neon。由创业公司Nervana Systems于今年五月开源，在某些基准测试中，由Python和Sass开发的Neon的测试成绩甚至要优于Caffeine、Torch和谷歌的TensorFlow。

 

Google开源了TensorFlow（ GitHub），此举在深度学习领域影响巨大，由于Google在人工智能领域的研发成绩斐然，有着雄厚的人才储备，并且Google本身的Gmail和搜索引擎都在使用自行研发的深度学习工具。

 

 

 

对于但愿在应用中整合深度学习功能的开发者来讲，GitHub上其实还有不少不错的开源项目值得关注，首先咱们推荐目前规模人气最高的TOP3：

1、Caffe。源自加州伯克利分校的Caffe被普遍应用，包括Pinterest这样的web大户。与TensorFlow同样，Caffe也是由C++开发，Caffe也是Google今年早些时候发布的DeepDream项目（能够识别喵星人的人工智能神经网络）的基础。

2、Theano。2008年诞生于蒙特利尔理工学院，Theano派生出了大量深度学习Python软件包，最著名的包括Blocks和Keras。

3、Torch。Torch诞生已经有十年之久，可是真正起势得益于去年Facebook开源了大量Torch的深度学习模块和扩展。Torch另一个特殊之处是采用了不怎么流行的编程语言Lua（该语言曾被用来开发视频游戏）。

除了以上三个比较成熟知名的项目，还有不少有特点的深度学习开源框架也值得关注：

四、Brainstorm。来自瑞士人工智能实验室IDSIA的一个很是发展前景很不错的深度学习软件包，Brainstorm可以处理上百层的超级深度神经网络——所谓的公路网络Highway Networks。

5、Chainer。来自一个日本的深度学习创业公司Preferred Networks，今年6月发布的一个Python框架。Chainer的设计基于define by run原则，也就是说，该网络在运行中动态定义，而不是在启动时定义，这里有Chainer的详细文档。

6、Deeplearning4j。 顾名思义，Deeplearning4j是”for Java”的深度学习框架，也是首个商用级别的深度学习开源库。Deeplearning4j由创业公司Skymind于2014年6月发布，使用 Deeplearning4j的不乏埃森哲、雪弗兰、博斯咨询和IBM等明星企业。

DeepLearning4j是一个面向生产环境和商业应用的高成熟度深度学习开源库，可与Hadoop和Spark集成，即插即用，方便开发者在APP中快速集成深度学习功能，可应用于如下深度学习领域：

• 人脸/图像识别

• 语音搜索

• 语音转文字（Speech to text）

• 垃圾信息过滤（异常侦测）

• 电商欺诈侦测

7、Marvin。是普林斯顿大学视觉工做组新推出的C++框架。该团队还提供了一个文件用于将Caffe模型转化成语Marvin兼容的模式。

8、ConvNetJS。这是斯坦福大学博士生Andrej Karpathy开发浏览器插件，基于万能的JavaScript能够在你的游览器中训练神经网络。Karpathy还写了一个ConvNetJS的入门教程，以及一个简洁的浏览器演示项目。

9、MXNet。出自CXXNet、Minerva、Purine等项目的开发者之手，主要用C++编写。MXNet强调提升内存使用的效率，甚至能在智能手机上运行诸如图像识别等任务。

10、Neon。由创业公司Nervana Systems于今年五月开源，在某些基准测试中，由Python和Sass开发的Neon的测试成绩甚至要优于Caffeine、Torch和谷歌的TensorFlow。