您今天應該嘗試的 Github 中的前 7 個深度學習項目 [2022]

作為一名深度學習的學生，您可以做的最重要的事情之一就是隨時了解您所在領域的最新發展。 為了在這方面為您提供幫助，我們在 Github 中準備了以下深度學習項目列表，因為 Github 是最好的起點。

在撰寫本文時，以下項目在 Github 上擁有最多的 star 和 commit。 然而，其中一些項目並不在頂部，但由於它們的適用性而具有高度相關性。 讓我們開始吧：

Github 上的熱門深度學習項目

1. 凱拉斯

在撰寫本文時，Keras 在 Github 的深度學習項目中處於領先地位。 它有大約 49,000 顆星和 18.4 個分叉。 Keras 是一個深度學習 API，它運行在流行的機器學習平台 TensorFlow 之上。 Keras 是用 Python 編寫的，可以幫助您輕鬆地處理深度學習項目。 它主要幫助您快速進行研究和更快地部署。

由於它建立在 TensorFlow 之上，因此它也為您提供了該平台的優勢。 這意味著您可以通過任何嵌入式設備部署您的 Keras 模型。 它具有出色的可訪問性，並具有行業級框架來擴展龐大的 GPU 集群。

了解 Keras 對於任何深度學習的學生來說都是必不可少的。 在開始學習 Keras 之前，請確保您熟悉 TensorFlow 及其應用程序，因為如果沒有前者，後者將難以掌握。

2. 被引用最多的深度學習論文

這個 Github 項目分享了 2012 年至 2016 年間發表的被引用次數最多的深度學習論文。它在 2016 年之後沒有發表任何文章，因為從那時起研究人員和學者發布了許多文件，這對項目創建者來說太過分了.

儘管它的論文可能看起來已經過時，但您應該閱讀它們，因為它們是深度學習論文的“經典”之一。 該項目中的許多文章都有 200 多次引用。 其中一些論文的引用次數超過 800 次，因此您可以了解它們的受歡迎程度和適用性。

此列表中的論文涵蓋了許多領域，包括語音、NLP、遞歸神經網絡 (RNN)、卷積網絡模型、機器人技術等等。

3. 咖啡

Caffe 是一個開放的深度學習框架。 它是伯克利人工智能研究/伯克利視覺和學習中心的產品。 雖然 Caffe 的創建者希望它專注於計算機視覺，但它已成為深度學習的通用庫。 Caffe 擁有蓬勃發展的學術研究人員和專業用戶社區，因此您可以在使用它時輕鬆找到幫助。

它非常適合部署卷積網絡以及處理語音、視覺和其他深度學習項目。 它一天可以處理超過 6000 萬張圖像，因此它無疑也是計算機視覺項目的合適工具。

4.機器學習筆記本

作為 Github 中最受歡迎的深度學習項目之一，機器學習筆記本是一個幫助您學習 Python 機器學習基礎知識的項目。 它有一個示例代碼以及練習的解決方案。 它有多個 Jupyter 筆記本，通過 TensorFlow 和 Scikit-Learn 向您展示 Python 中的機器學習（和深度學習）基礎知識。

Jupyter 筆記本是交互式的，可幫助您試用筆記本中的代碼。 它們是jupyter.org的產品，是開源工具。

本項目中的大部分練習都可以在《使用 Scikit-Learn 和 TensorFlow 進行機器學習實踐》一書中找到。 在開始學習此項目之前，請確保您了解 TensorFlow 和 Scikit-Learn。 它們都是深度學習專業人士中廣受歡迎的工具，在開始使用它之前，您必須熟悉它們。

你可能會發現處理這個項目中共享的一些問題有點挑戰性，所以最好上一門機器學習課程，獲得個性化的學習體驗。

5. MXNet——阿帕奇

MXNet 是一個開源深度學習框架，可幫助您快速執行研究原型設計並靈活地進行快速生產。 它支持可擴展的分佈式訓練，因為它具有 Horovod 和 Parameter Server 支持。 它集成到 Python 中，並支持多種主流語言，例如 C++、Julia、Clojure、Perl、R 和 Scala。

其廣受歡迎的另一個原因是其廣泛的庫和工俱生態系統，用於時間序列、自然語言處理、計算機視覺等。 其中一些工具和庫是 GluconTS、GluconCV、D2L.ai 和 GluconNLP。 所有這些工具和庫都可以在深度學習的特定領域幫助您。 例如，GluconCV 是一個用於計算機視覺的工具包，它允許您進行姿勢估計以及對象檢測。 它有一個 Apache-2.0 許可證，是任何深度學習專業人士的必備品之一​​，所以在學習它時一定要熟悉它。

結帳： Github 中的頂級機器學習項目

6.法泰

fastai 是一個用於簡化和快速訓練神經網絡的庫。 它對錶格、視覺、協同過濾和文本模型提供了開箱即用的支持。 這是 Github 中的深度學習項目之一，因為它還提供了有關使用 fast.ai 的教程和指南。

熟悉流行的庫和框架將幫助您成為深度學習專業人士。 所以你必須熟悉它們。 該項目還包含 fast.ai 的實現和用例示例，因此您可以輕鬆了解如何在實際項目中應用該庫。

7. CNTK

Microsoft Cognitive Toolkit (CNTK) 是用於深度學習應用程序的開源工具包。 您可以組合不同的突出模型類型并快速實現它們。 其中一些模型類型包括循環網絡、前饋 DNN 以及 CNN。 它應用 SGD 學習（隨機梯度下降）和服務器之間的自動並行化和差異化。

它擁有開源許可證和最好的社區之一。 CNTK 在許多行業都有應用，您可能必須熟悉它才能從事某些項目。 因此，最好在進入市場之前了解它。 Microsoft Cognitive Toolkit 也會不斷更新，因此您不會在其中找到任何過時的工具或實現。

另請閱讀： Github 中的頂級 Python 項目

了解有關深度學習的更多信息

學習深度學習和相關主題可能需要付出很多努力。 我們建議您閱讀有關此主題的更多內容，以更有效地了解深度學習。

如果您有興趣了解有關機器學習的更多信息，請查看 IIIT-B 和 upGrad 的機器學習和人工智能 PG 文憑，該文憑專為工作專業人士設計，提供 450 多個小時的嚴格培訓、30 多個案例研究和作業、IIIT- B 校友身份、5 個以上實用的實踐頂點項目和頂級公司的工作協助。