不同的领域、框架，这是一份超全的深度学习模型GitHub集合

一直以来，研究者与开发者都经常在 GitHub 宝库中搜索比较有意思的项目与实现，但我们可能需要一个确切的主题，并做一些筛选。近日有开发者发布了一个模型聚合平台，我们可以分领域在上面搜索到当前最为流行的开源模型。作者根据 GitHub 项目收藏量、项目所属领域、实现框架等特点对这些模型分类，因此我们能快速定位合适的模型。

项目地址：https://modelzoo.co/

深度学习近来是机器学习最流行的子领域，因为针对高维数据拥有强大的建模能力，它在很多不同的任务与领域都绽放了夺目的光彩，例如计算机视觉、自然语言处理与智能体学习等。深度学习模型是一种表示学习方法，即根据模型学习表示的本身，而不仅仅如同传统机器学习那样将表示映射到输出。

目前深度学习主要通过不同层级的神经元从原始数据自动抽取特征，它学习到的表示往往比传统 ML 手动设计的表示有更好的性能。目前 GitHub 上受关注的 ML 实现大部分都是深度学习模型，它们以不同的层级结构与网络架构建立起一个个解决具体问题的模型。例如 2D 卷积层以分层的形式堆叠就能由简单到复杂抽取二维数据(如图像)的特征，而循环单元的堆叠就适合处理机器翻译等序列标注问题。再加上残差连接、门控机制和注意力机制等模块就能针对具体任务学习特定知识。

这些层级表征的深度模型在近来有非常多的研究，很多开发者与研究者都分享了他们的代码与创意。ModelZoo 旨在为搜索优秀深度模型提供一个集中式的平台，并希望为复现论文、构建复杂神经网络、学习模型代码与直接使用预训练模型提供资源。

Model Zoo 是新构建的平台，因此它包含的模型库将不断发展。如果读者发现有其它一些优秀的模型还没有收录进去，可以在网站上提交并通知作者。此外，这个网站的开发者目前还只是新加坡的一名本科生，他希望能借这样一个平台帮助更多的学习者。

Model Zoo 所收集的所有模型都能在 GitHub 中找到，作者 Jing Yu 根据 GitHub 项目收藏量、项目所属领域、实现框架等特征对模型做了整理，此外我们也能使用关键词搜索确定需要查找的模型。每一个模型都在页面上展示了对应 GitHub 项目的 README 文档，因此读者可快速判断项目的基本信息与要求。此外，作者还构建了 Newsletter 模块，每月整理一次当月最流行与重要的模型。

目前，该项目内的深度学习模型有五大分类：计算机视觉、自然语言处理、生成模型、强化学习和无监督学习。这些类别或领域相互之间是有交叉的，例如很多生成模型都可以归为无监督学习，实际上很多模型确实归为了多个类别。

目前收录的实现框架有 Tensorflow、Caffe、Caffe2、PyTorch、MXNet、Keras。虽然还有很多框架没有收录，例如 CycleGAN 的原实现因为使用的是 Lua 语言与 Torch 框架，即使该项目的收藏量达到了 6453，这个平台同样没有收录。

可以从 Browse Frameworks 和 Browse Categories 分别进入以上的框架分类界面和模型分类界面，并按其分类进行浏览。下方的搜索框支持模型名称的搜索。

模型基本是按 GitHub 的收藏量(如 Magenta 的 10164 star)排序的，预览界面还包含项目简介、实现框架和分类等信息。点击后可进入项目细节(即对应 GitHub 项目的 README 文档)。后文我们将针对各领域简要介绍其中最流行的项目：

一、计算机视觉

GitHub star：10164

实现框架：TensorFlow

Magenta 是一个用于探索机器学习在艺术、音乐创作中的作用的研究项目，因为应用众多作者将其划分为计算机视觉与强化学习领域。其主要涉及为生成歌曲、图像、素描等开发新的深度学习和强化学习算法。但它也在尝试构建智能工具和接口，以帮助艺术家和音乐家扩展他们使用这些模型的方式。Magenta 由来自谷歌大脑团队的一些研究员和工程师启动，但也有很多其他人为该项目做出了重要的贡献。

目前该项目有非常多的应用实现与演示，读者可查看 https://magenta.tensorflow.org/blog。

Mask-RCNN

GitHub star：6104

实现框架：Keras