出處：csdn

Python

1. Theano是一個python類庫，用數(shù)組向量來定義和計算數(shù)學(xué)表達(dá)式。它使得在Python環(huán)境下編寫深度學(xué)習(xí)算法變得簡單。在它基礎(chǔ)之上還搭建了許多類庫。

1.Keras是一個簡潔、高度模塊化的神經(jīng)網(wǎng)絡(luò)庫，它的設(shè)計參考了Torch，用Python語言編寫，支持調(diào)用GPU和CPU優(yōu)化后的Theano運(yùn)算。

2.Pylearn2是一個集成大量深度學(xué)習(xí)常見模型和訓(xùn)練算法的庫，如隨機(jī)梯度下降等。它的功能庫都是基于Theano之上。

3.Lasagne是一個搭建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的輕量級封裝庫，基于Theano。它遵循簡潔化、透明化、模塊化、實用化和專一化的原則。

4.Blocks也是一個基于Theano的幫助搭建神經(jīng)網(wǎng)絡(luò)的框架。

2. Caffe是深度學(xué)習(xí)的框架，它注重于代碼的表達(dá)形式、運(yùn)算速度以及模塊化程度。它是由伯克利視覺和學(xué)習(xí)中心（Berkeley Vision and Learning Center, BVLC）以及社區(qū)成員共同開發(fā)。谷歌的DeepDream項目就是基于Caffe框架完成。這個框架是使用BSD許可證的C++庫，并提供了Python調(diào)用接口。

3. nolearn囊括了大量的現(xiàn)有神經(jīng)網(wǎng)絡(luò)函數(shù)庫的封裝和抽象接口、大名鼎鼎的Lasagne以及一些機(jī)器學(xué)習(xí)的常用模塊。

4. Genism也是一個用Python編寫的深度學(xué)習(xí)小工具，采用高效的算法來處理大規(guī)模文本數(shù)據(jù)。

5. Chainer在深度學(xué)習(xí)的理論算法和實際應(yīng)用之間架起一座橋梁。它的特點(diǎn)是強(qiáng)大、靈活、直觀，被認(rèn)為是深度學(xué)習(xí)的靈活框架。

6. deepnet是基于GPU的深度學(xué)習(xí)算法函數(shù)庫，使用Python語言開發(fā)，實現(xiàn)了前饋神經(jīng)網(wǎng)絡(luò)（FNN）、受限玻爾茲曼機(jī)（RBM）、深度信念網(wǎng)絡(luò)（DBN）、自編碼器（AE）、深度玻爾茲曼機(jī)（DBM）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）等算法。

7. Hebel也是深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的一個Python庫，它通過pyCUDA控制支持CUDA的GPU加速。它實現(xiàn)了最重要的幾類神經(jīng)網(wǎng)絡(luò)模型，提供了多種激活函數(shù)和模型訓(xùn)練方法，例如momentum、Nesterov momentum、dropout、和early stopping等方法。

8. CXXNET是一個基于MShadow開發(fā)的快速、簡潔的分布式深度學(xué)習(xí)框架。它是一個輕量級、易擴(kuò)展的C++/CUDA神經(jīng)網(wǎng)絡(luò)工具箱，提供友好的Python/Matlab接口來進(jìn)行訓(xùn)練和預(yù)測。

9. DeepPy是基于NumPy的深度學(xué)習(xí)框架。

10. DeepLearning是一個用C++和Python共同開發(fā)的深度學(xué)習(xí)函數(shù)庫。

11. Neon是Nervana System 的深度學(xué)習(xí)框架，使用Python開發(fā)。

Matlab

1. ConvNet 卷積神經(jīng)網(wǎng)絡(luò)是一類深度學(xué)習(xí)分類算法，它可以從原始數(shù)據(jù)中自主學(xué)習(xí)有用的特征，通過調(diào)節(jié)權(quán)重值來實現(xiàn)。

2. DeepLearnToolBox是用于深度學(xué)習(xí)的Matlab/Octave工具箱，它包含深度信念網(wǎng)絡(luò)（DBN）、棧式自編碼器（stacked AE）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等算法。

3. cuda-convet是一套卷積神經(jīng)網(wǎng)絡(luò)（CNN）代碼，也適用于前饋神經(jīng)網(wǎng)絡(luò)，使用C++/CUDA進(jìn)行運(yùn)算。它能對任意深度的多層神經(jīng)網(wǎng)絡(luò)建模。只要是有向無環(huán)圖的網(wǎng)絡(luò)結(jié)構(gòu)都可以。訓(xùn)練過程采用反向傳播算法（BP算法）。

4. MatConvNet是一個面向計算機(jī)視覺應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)（CNN）Matlab工具箱。它簡單高效，能夠運(yùn)行和學(xué)習(xí)最先進(jìn)的機(jī)器學(xué)習(xí)算法。

CPP

1. eblearn是開源的機(jī)器學(xué)習(xí)C++封裝庫，由Yann LeCun主導(dǎo)的紐約大學(xué)機(jī)器學(xué)習(xí)實驗室開發(fā)。它用基于能量的模型實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)，并提供可視化交互界面（GUI）、示例以及示范教程。

2. SINGA是Apache軟件基金會支持的一個項目，它的設(shè)計目標(biāo)是在現(xiàn)有系統(tǒng)上提供通用的分布式模型訓(xùn)練算法。

3. NVIDIA DIGITS是用于開發(fā)、訓(xùn)練和可視化深度神經(jīng)網(wǎng)絡(luò)的一套新系統(tǒng)。它把深度學(xué)習(xí)的強(qiáng)大功能用瀏覽器界面呈現(xiàn)出來，使得數(shù)據(jù)科學(xué)家和研究員可以實時地可視化神經(jīng)網(wǎng)絡(luò)行為，快速地設(shè)計出最適合數(shù)據(jù)的深度神經(jīng)網(wǎng)絡(luò)。

4. Intel? Deep Learning Framework提供了Intel?平臺加速深度卷積神經(jīng)網(wǎng)絡(luò)的一個統(tǒng)一平臺。

Java

1. N-Dimensional Arrays for Java (ND4J) 是JVM平臺的科學(xué)計算函數(shù)庫。它主要用于產(chǎn)品中，也就是說函數(shù)的設(shè)計需求是運(yùn)算速度快、存儲空間最省。

2. Deeplearning4j 是第一款商業(yè)級別的開源分布式深度學(xué)習(xí)類庫，用Java和Scala編寫。它的設(shè)計目的是為了在商業(yè)環(huán)境下使用，而不是作為一款研究工具。

3. Encog是一個機(jī)器學(xué)習(xí)的高級框架，涵蓋支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)、遺傳編程、貝葉斯網(wǎng)絡(luò)、隱馬可夫模型等，也支持遺傳算法。

JavaScript

1. Convnet.js 由JavaScript編寫，是一個完全在瀏覽器內(nèi)完成訓(xùn)練深度學(xué)習(xí)模型（主要是神經(jīng)網(wǎng)絡(luò)）的封裝庫。不需要其它軟件，不需要編譯器，不需要安裝包，不需要GPU，甚至不費(fèi)吹灰之力。

Lua

1. Torch是一款廣泛適用于各種機(jī)器學(xué)習(xí)算法的科學(xué)計算框架。它使用容易，用快速的腳本語言LuaJit開發(fā)，底層是C/CUDA實現(xiàn)。Torch基于Lua編程語言。

Julia

1. Mocha是Julia的深度學(xué)習(xí)框架，受C++框架Caffe的啟發(fā)。Mocha中通用隨機(jī)梯度求解程序和通用模塊的高效實現(xiàn)，可以用來訓(xùn)練深度/淺層（卷積）神經(jīng)網(wǎng)絡(luò)，可以通過（棧式）自編碼器配合非監(jiān)督式預(yù)訓(xùn)練（可選）完成。它的優(yōu)勢特性包括模塊化結(jié)構(gòu)、提供上層接口，可能還有速度、兼容性等更多特性。

Lisp

1. Lush(Lisp Universal Shell)是一種面向?qū)ο蟮木幊陶Z言，面向?qū)Υ笠?guī)模數(shù)值和圖形應(yīng)用感興趣的廣大研究員、實驗員和工程師們。它擁有機(jī)器學(xué)習(xí)的函數(shù)庫，其中包含豐富的深度學(xué)習(xí)庫。

Haskell

1. DNNGraph是Haskell用于深度神經(jīng)網(wǎng)絡(luò)模型生成的領(lǐng)域特定語言（DSL）。

.NET

1. Accord.NET 是完全用C#編寫的.NET機(jī)器學(xué)習(xí)框架，包括音頻和圖像處理的類庫。它是產(chǎn)品級的完整框架，用于計算機(jī)視覺、計算機(jī)音頻、信號處理和統(tǒng)計應(yīng)用領(lǐng)域。

R

1. darch包可以用來生成多層神經(jīng)網(wǎng)絡(luò)（深度結(jié)構(gòu)）。訓(xùn)練的方法包括了對比散度的預(yù)訓(xùn)練和眾所周知的訓(xùn)練算法（如反向傳播法或共軛梯度法）的細(xì)調(diào)。

2. deepnet實現(xiàn)了許多深度學(xué)習(xí)框架和神經(jīng)網(wǎng)絡(luò)算法，包括反向傳播(BP)、受限玻爾茲曼機(jī)(RBM)、深度信念網(wǎng)絡(luò)(DBP)、深度自編碼器(Deep autoencoder)等等。

原文鏈接：Deep Learning Libraries by Language（譯者/趙屹華 審核/劉帝偉、朱正貴、李子健 責(zé)編/周建丁）

譯者簡介：趙屹華，計算廣告工程師@搜狗，前生物醫(yī)學(xué)工程師，關(guān)注推薦算法、機(jī)器學(xué)習(xí)領(lǐng)域。