18个最热深度学习Github项目逐一介绍_github仓库网络模型逐行解释代码

　　前几天meta-guide.com列出了100个深度学习的源代码项目，但其中大部分都不活跃。这里我们精选出18个最活跃的项目，每个都制作了信息卡片，一目了然，方便比较和转贴。

　　所有18个项目的列表见 http://bigdata.memect.com/?tag=superhot+deeplearning

　　（meta-guide.com原完整项目列表见 http://memect.co/punt6PW ）

　　18） @丕子 的PG_DEEP 这是一个C++实现的Demo，目前有20星。代码相对简单，非常适合入门学习。http://bigdata.memect.com/?p=10354

　　17） n42 ，21星，一个nodejs的实现，可以直接npm install n42。实现了4个算法：Newral Network，Logistics Regressio，Stacked denoised Autoencodern，Deep Belief Nets。代码不长，适合学习。虽然nodejs并不适合计算密集型任务，作为教学例子还是很不错的，特别是需要在浏览器里做深度学习的可视化时 (Javascript也参convnetjs，见后) http://bigdata.memect.com/?p=10402

　　16）宗师Hinton的代码，23星，是Matlab的。实现了autoencoder，Restricted Boltzmann Machine（RBM） 。这个应用在图像领域。宗师出品，重要性不用解释。 http://bigdata.memect.com/?p=10294

　　15） stanford_dl_ex  这是另一个斯坦福深度学习公开课的习题解答，24星，作者Andrew Maas 和Sameep Tandon。语言是Matlab。同样适合入门学习。http://bigdata.memect.com/?p=10303

　　14）DeepLearningBenchmarks  29星， 比较了Theano和其他几个实现的性能：eblearn, python numpy, torch5, torch 7。 不过列表有些老，都是2011年前的，新的项目没有加进去。http://bigdata.memect.com/?p=10190

　　13）deeplearning-class-2011 这个也是 UFLDF课程的一个实现，31星，语言是Octave，Matlab和Python (NumPy) http://bigdata.memect.com/?p=10339

　　11）kaggle-blackbox ，作者Zając，53星 ，这是2013年Kaggle无监督学习竞赛的一个实现 。它实现了一个随机森林算法和一个稀疏滤波算法。语言是Matlab，也可以用Octave跑。文档和说明参见 http://bigdata.memect.com/?tag=kaggle-blackbox

　　10） libdeep 这是个C的实现，目前54星。在Linux上可以安装到系统库，然后就可以在其他项目里调用了。如果追求性能，这是个好选择。http://bigdata.memect.com/?p=10462

　　9） OpenDL  这是个很新的实现， 是基于spark的。语言是Java。除了spark还用到了Mallet机器学习包和JBlas线性代数包。http://bigdata.memect.com/?p=10345 更多spark参考请看大数据精华区的专题 http://memect.co/FUdsSH9 。

　　8） UFLDL-tutorial ，作者Dan Luu，94星 ，这是斯坦福深度学习公开课和 Andrew Ng’s UFLDL（无监督特征学习和深度学习）教程的所有练习的解答。代码是Matlab的，作者声称对Octave兼容，所以理论上甚至可以从python调用。非常适合入门。http://bigdata.memect.com/?p=10423 UFLDL教程 @邓侃 曾组织翻译成了中文，入门必读 http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B。

　　7） rbm-mnist   这个是hinton matlab代码（ http://memect.co/r12f-q6 ）的C++改写，189星。它还实现了Rasmussen的共轭梯度Conjugate Gradient算法。http://bigdata.memect.com/?p=10327

　　6） neural-networks-and-deep-learning，243星 ，这是作者的书Neural Networks and Deep Learning的配套代码，语言是Python。http://bigdata.memect.com/?p=10468 这本书是免费的，不过还没有写完，可以预览前几章 http://memect.co/2utGmkY

　　5) deepnet ，这个是GPU实现的深度学习算法，前向网络，RBM，DBN，Autoencoder, DBM, CNN包括了，底层用的CUDA 。目前282星。实现语言是Python，做到了简洁性与计算性能的良好结合，特别推荐。http://bigdata.memect.com/?p=10342

　　4) Lisa Lab的DeepLearningTutorials，也就是deeplearning.net上的教程和源代码。Python实现，是基于pylearn2和Theano的。目前500多星，非常火爆。http://bigdata.memect.com/?p=10941 他们的wiki上很不错的资源列表，如论文和数据集 http://memect.co/koF-C2P

　　3) Yusuke Sugomori（巣籠悠輔）的深度学习实现  。这个是特别热门的一个库，有近600星。从算法和实现语言覆盖面上都是一网打尽，学习深度学习代码的必读之一，提供了5种语言的实现：Python, C/C++, Java, Scala，囊括了各种主流深度学习算法：DBN, CDBN,RBM, CRBM,dA, SdA, LR等。http://bigdata.memect.com/?p=10441

　　2) DeepLearnToolbox ，Matlab实现中最热门的库，700多星，囊括了CNN, DBN, SAE, CAE等主流模型。非常简单好用。用Matlab做深度学习快速实验这个库可能是最好的 http://bigdata.memect.com/?p=10348

　　1) convnetjs  这个是目前最火的项目，有1300+颗星，实现了卷积神经网络，可以用来做分类，回归，强化学习等。可以直接npm install convnetjs。convnetjs上有很多很酷的可视化演示 http://bigdata.memect.com/?p=10453