MXNet 是一个旨在提高效率和灵活性的深度学习框架。因得到亚马逊的大力而成为常用深度学习框架的黑马。MXNet 可以混合符号和命令式编程，从而最大限度地提高效率和生产力。在其核心，MXNet 包含一个动态依赖调度程序（dynamic dependency scheduler），可以自动将符号运算和命令运算并行。顶部的图形优化层使 MXNet 符号执行速度快，记忆效率高。此外，MXNet 是便携式和轻量级的，可有效扩展到多颗 GPU 和多台机器。

　　10. RocAlphaGo

　　Star：8065（去年 8 月 7734）

　　Github 地址：https://github.com/Rochester-NRT/RocAlphaGo

　　这个项目是有学生主导的一个独立项目，使用 Python 和 Keras 重新实现了 DeepMind 在2016年发表的论文 "Mastering the game of Go with deep neural networks and tree search"（《用深度神经网络和树搜索学习围棋》）。使用 Python 和 Keras 的这个选择优先考虑了代码清晰度，至少在早期阶段是如此。

　　这个项目目前仍在进行中，还不是 AlphaGo 的完全实现。项目先期关注 DeepMind AlphaGo 中神经网络的训练方面，而且已经得到论文中树搜索算法的一个简单单线程的实现，虽然速度上无法与 DeepMind 相比。

　　11. Neural Doodle

　　Star：7763（去年 8 月 7306）

　　Github 地址：https://github.com/alexjc/neural-doodle

　　

　　使用深度神经网络把你的二流涂鸦变成艺术一般的作品！这个项目是 Champandard（2016）的论文 “Semantic Style Transfer and Turning Two-Bit Doodles into Fine Artworks”的一个实现，基于 Chuan Li 和 Michael Wand（2016）在论文“Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis”中提出的 Neural Patches 算法。这篇文章中深入解释了这个项目的动机和灵感来源：https://nucl.ai/blog/neural-doodles/

　　doodle.py 脚本通过使用1个，2个，3个或4个图像作为输入来生成新的图像，输入的图像数量取决于你希望生成怎样的图像：原始风格及它的注释（annotation），以及带有注释（即你的涂鸦）的目标内容图像（可选）。该算法从带风格图像中提取 annotated patches，然后根据它们匹配的紧密程度用这些 annotated patches 渐进地改变目标图像的风格。

　　11. Open Face

　　Star：7122（去年 8 月 6072）

　　Github 地址：https://github.com/cmusatyalab/openface

　　

　　OpenFace 是一个使用深度神经网络，用 Python 和 Torch 实现人脸识别的项目。神经网络模型基于 Google Florian Schroff 等人的 CVPR 2015 论文“FaceNet: A Unified Embedding for Face Recognition and Clustering” ，Torch 让网络可以在 CPU 或 CUDA 上运行。

　　这是CMU的一个使用深度神经网络进行人脸识别的免费、开源项目。该项研究得到美国国家科学基金会（NSF）的支持，以及英特尔、谷歌、 Vodafone、英伟达和 Conklin Kistler 的额外支持。这个 Github 库中包含 batch-represent、real-time web、compare.py、vis-outputs.lua、classifier.py 等的 demo 和测试、训练、评估等的代码。

　　12. Torch

　　Star：6843

　　Github 地址：https://github.com/torch/torch7

　　PyTorch是一个提供两个高级功能的 python 包：① 具有强 GPU 加速度的张量计算（如numpy）；②深度神经网络建立在基于磁带的自动调整系统（tape-based autograd system）Torch 也是常用深度学习框架之一，是 Torch7 中的 main package，其中定义了用于多维张量和数学运算的数据结构。此外，Torch 提供了很多实用功能，比如访问文件的实用程序，序列化任意类型的对象和其他有用的实用程序。

　　13. Neural Enhance：深度学习做图像高分辨率

　　Star：6557

　　Github 地址：https://github.com/alexjc/neural-enhance

　　

　　见过刑侦剧里将模糊图片变清晰的情节吗？由于深度学习和 #NeuralEnhance，你也可以训练一个神经网络把图像放大 2 倍乃至 4 倍而且高清。增加神经元的数量或使用类似于低分辨率图像的数据集进行训练，还可以获得更好的结果。具体怎么做？去看 Github 介绍吧。

　　14. PyTorch

　　Star：4988

　　Github 地址：https://github.com/pytorch/pytorch

　　PyTorch是一个提供两个高级功能的 python 包：①具有强 GPU 加速度的张量计算（如numpy）；②深度神经网络建立在基于磁带的自动调整系统（tape-based autograd system）。考虑到它的发布时间，PyTorch 大有潜力。

　　你可以重用你喜欢的 python 软件包（如 numpy，scipy 和 Cython），在有需要时对 PyTorch 进行扩展。

　　就在 5 月 4 日，PyTorch 发布了最新版，API 有一些变动，增加了一系列新的特征，多项运算或加载速度提升，而且修改了大量 bug。官方文档也提供了一些示例。

　　

　　15. Sonnet：DeepMind 内部开源深度学习框架

　　Star：4691

　　Github 地址：https://github.com/deepmind/sonnet

　　DeepMind 研究人员发现 TensorFlow 的灵活性和适应性适合于为特定目的构建更高级别的框架，于是他们就写了一个这样的框架，可以用 TensorFlow 快速构建神经网络模块，也就是 Sonnet 框架。

转载请注明出处。