您今天应该尝试的 Github 中的前 7 个深度学习项目 [2022]

作为一名深度学习的学生，您可以做的最重要的事情之一就是随时了解您所在领域的最新发展。 为了在这方面为您提供帮助，我们在 Github 中准备了以下深度学习项目列表，因为 Github 是最好的起点。

在撰写本文时，以下项目在 Github 上拥有最多的 star 和 commit。 然而，其中一些项目并不在顶部，但由于它们的适用性而具有高度相关性。 让我们开始吧：

Github 上的热门深度学习项目

1. 凯拉斯

在撰写本文时，Keras 在 Github 的深度学习项目中处于领先地位。 它有大约 49,000 颗星和 18.4 个分叉。 Keras 是一个深度学习 API，它运行在流行的机器学习平台 TensorFlow 之上。 Keras 是用 Python 编写的，可以帮助您轻松地处理深度学习项目。 它主要帮助您快速进行研究和更快地部署。

由于它建立在 TensorFlow 之上，因此它也为您提供了该平台的优势。 这意味着您可以通过任何嵌入式设备部署您的 Keras 模型。 它具有出色的可访问性，并具有行业级框架来扩展庞大的 GPU 集群。

了解 Keras 对于任何深度学习的学生来说都是必不可少的。 在开始学习 Keras 之前，请确保您熟悉 TensorFlow 及其应用程序，因为如果没有前者，后者将难以掌握。

2. 被引用最多的深度学习论文

这个 Github 项目分享了 2012 年至 2016 年间发表的被引用次数最多的深度学习论文。它在 2016 年之后没有发表任何文章，因为从那时起研究人员和学者发布了许多文件，这对项目创建者来说太过分了.

尽管它的论文可能看起来已经过时，但您应该阅读它们，因为它们是深度学习论文的“经典”之一。 该项目中的许多文章都有 200 多次引用。 其中一些论文的引用次数超过 800 次，因此您可以了解它们的受欢迎程度和适用性。

此列表中的论文涵盖了许多领域，包括语音、NLP、递归神经网络 (RNN)、卷积网络模型、机器人技术等等。

3. 咖啡

Caffe 是一个开放的深度学习框架。 它是伯克利人工智能研究/伯克利视觉和学习中心的产品。 虽然 Caffe 的创建者希望它专注于计算机视觉，但它已成为深度学习的通用库。 Caffe 拥有蓬勃发展的学术研究人员和专业用户社区，因此您可以在使用它时轻松找到帮助。

它非常适合部署卷积网络以及处理语音、视觉和其他深度学习项目。 它一天可以处理超过 6000 万张图像，因此它无疑也是计算机视觉项目的合适工具。

4.机器学习笔记本

作为 Github 中最受欢迎的深度学习项目之一，机器学习笔记本是一个帮助您学习 Python 机器学习基础知识的项目。 它有一个示例代码以及练习的解决方案。 它有多个 Jupyter 笔记本，通过 TensorFlow 和 Scikit-Learn 向您展示 Python 中的机器学习（和深度学习）基础知识。

Jupyter 笔记本是交互式的，可帮助您试用笔记本中的代码。 它们是jupyter.org的产品，是开源工具。

本项目中的大部分练习都可以在《使用 Scikit-Learn 和 TensorFlow 进行机器学习实践》一书中找到。 在开始学习此项目之前，请确保您了解 TensorFlow 和 Scikit-Learn。 它们都是深度学习专业人士中广受欢迎的工具，在开始使用它之前，您必须熟悉它们。

你可能会发现处理这个项目中共享的一些问题有点挑战性，所以最好上一门机器学习课程，获得个性化的学习体验。

5. MXNet——阿帕奇

MXNet 是一个开源深度学习框架，可帮助您快速执行研究原型设计并灵活地进行快速生产。 它支持可扩展的分布式训练，因为它具有 Horovod 和 Parameter Server 支持。 它集成到 Python 中，并支持多种主流语言，例如 C++、Julia、Clojure、Perl、R 和 Scala。

其广受欢迎的另一个原因是其广泛的库和工具生态系统，用于时间序列、自然语言处理、计算机视觉等。 其中一些工具和库是 GluconTS、GluconCV、D2L.ai 和 GluconNLP。 所有这些工具和库都可以在深度学习的特定领域帮助您。 例如，GluconCV 是一个用于计算机视觉的工具包，它允许您进行姿势估计以及对象检测。 它有一个 Apache-2.0 许可证，是任何深度学习专业人士的必备品之一，所以在学习它时一定要熟悉它。

结帐： Github 中的顶级机器学习项目

6.法泰

fastai 是一个用于简化和快速训练神经网络的库。 它对表格、视觉、协同过滤和文本模型提供了开箱即用的支持。 这是 Github 中的深度学习项目之一，因为它还提供了有关使用 fast.ai 的教程和指南。

熟悉流行的库和框架将帮助您成为深度学习专业人士。 所以你必须熟悉它们。 该项目还包含 fast.ai 的实现和用例示例，因此您可以轻松了解如何在实际项目中应用该库。

7. CNTK

Microsoft Cognitive Toolkit (CNTK) 是用于深度学习应用程序的开源工具包。 您可以组合不同的突出模型类型并快速实现它们。 其中一些模型类型包括循环网络、前馈 DNN 以及 CNN。 它应用 SGD 学习（随机梯度下降）和服务器之间的自动并行化和差异化。

它拥有开源许可证和最好的社区之一。 CNTK 在许多行业都有应用，您可能必须熟悉它才能从事某些项目。 因此，最好在进入市场之前了解它。 Microsoft Cognitive Toolkit 也会不断更新，因此您不会在其中找到任何过时的工具或实现。

另请阅读： Github 中的顶级 Python 项目

了解有关深度学习的更多信息

学习深度学习和相关主题可能需要付出很多努力。 我们建议您阅读有关此主题的更多内容，以更有效地了解深度学习。

如果您有兴趣了解有关机器学习的更多信息，请查看 IIIT-B 和 upGrad 的机器学习和人工智能 PG 文凭，该文凭专为工作专业人士设计，提供 450 多个小时的严格培训、30 多个案例研究和作业、IIIT- B 校友身份、5 个以上实用的实践顶点项目和顶级公司的工作协助。