摘要：本文介紹了包括等在內(nèi)的一系列編程語言的深度學(xué)習(xí)庫。是一個(gè)在中用于帶有神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的庫，它通過使用帶有的加速。是一個(gè)用和開發(fā)的深度學(xué)習(xí)庫。是第一個(gè)為和編寫的消費(fèi)級(jí)開元分布式深度學(xué)習(xí)庫。它帶有豐富的作為機(jī)器學(xué)習(xí)庫一部分的深度學(xué)習(xí)庫。

本文介紹了包括 Python、Java、Haskell等在內(nèi)的一系列編程語言的深度學(xué)習(xí)庫。

Python

Theano 是一種用于使用數(shù)列來定義和評(píng)估數(shù)學(xué)表達(dá)的 Python 庫。它可以讓 Python 中深度學(xué)習(xí)算法的編寫更為簡(jiǎn)單。很多其他的庫是以 Theano 為基礎(chǔ)開發(fā)的：

Keras 是類似 Torch 的一個(gè)精簡(jiǎn)的，高度模塊化的神經(jīng)網(wǎng)絡(luò)庫。Theano 在底層幫助其優(yōu)化 CPU 和 GPU 運(yùn)行中的張量操作。

Pylearn2 是一個(gè)引用大量如隨機(jī)梯度（Stochastic Gradient）這樣的模型和訓(xùn)練算法的庫。它在深度學(xué)習(xí)中被廣泛采用，這個(gè)庫也是以 Theano 為基礎(chǔ)的。

Lasagne 是一個(gè)輕量級(jí)的庫，它可以在 Theano 中建立和訓(xùn)練神經(jīng)網(wǎng)絡(luò)。它簡(jiǎn)單、透明、模塊化、實(shí)用、專一而克制。

Blocks 是一種幫助你在 Theano 之上建立神經(jīng)網(wǎng)絡(luò)模型的框架。

Caffe 是一種以表達(dá)清晰、高速和模塊化為理念建立起來的深度學(xué)習(xí)框架。它是由伯克利視覺和學(xué)習(xí)中心（BVLC）和網(wǎng)上社區(qū)貢獻(xiàn)者共同開發(fā)的。谷歌的 DeepDream 人工智能圖像處理程序正是建立在 Caffe 框架之上。這個(gè)框架是一個(gè) BSD 許可的帶有 Python 接口的 C++庫。

nolearn 包含大量其他神經(jīng)網(wǎng)絡(luò)庫中的包裝器和抽象（wrappers and abstractions），其中最值得注意的是 Lasagne，其中也包含一些機(jī)器學(xué)習(xí)的實(shí)用模塊。

Genism 是一個(gè)部署在 Python 編程語言中的深度學(xué)習(xí)工具包，用于通過高效的算法處理大型文本集。

Chainer 連接深度學(xué)習(xí)中的算法與實(shí)現(xiàn)，它強(qiáng)勁、靈活而敏銳，是一種用于深度學(xué)習(xí)的靈活的框架。

deepnet 是一種基于 GPU 的深度學(xué)習(xí)算法的 Python 實(shí)現(xiàn)，比如：前饋神經(jīng)網(wǎng)絡(luò)、受限玻爾茲曼機(jī)、深度信念網(wǎng)絡(luò)、自編碼器、深度玻爾茲曼機(jī)和卷積神經(jīng)網(wǎng)絡(luò)。

Hebel 是一個(gè)在 Python 中用于帶有神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)的庫，它通過 PyCUDA 使用帶有 CUDA 的 GPU 加速。它可實(shí)現(xiàn)大多數(shù)目前最重要的神經(jīng)網(wǎng)絡(luò)模型，提供了多種不同的激活函數(shù)和訓(xùn)練方式，如動(dòng)量，Nesterov 動(dòng)量，退出（dropout）和 前期停止（early stopping）。

CXXNET 是一種快速，簡(jiǎn)明的分布式深度學(xué)習(xí)框架，它以 MShadow 為基礎(chǔ)。它是輕量級(jí)可擴(kuò)展的 C++/CUDA 神經(jīng)網(wǎng)絡(luò)工具包，同時(shí)擁有友好的 Python/Matlab 界面，可供機(jī)器學(xué)習(xí)的訓(xùn)練和預(yù)測(cè)使用。

DeepPy 是一種建立在 Mumpy 之上的 Python 化的深度學(xué)習(xí)框架。

DeepLearning 是一個(gè)用 C++和 Python 開發(fā)的深度學(xué)習(xí)庫。

Neon 是 Nervana 公司基于 Python 開發(fā)的深度學(xué)習(xí)框架。

C++

eblearn 是一個(gè)機(jī)器學(xué)習(xí)的開源 C++庫，由紐約大學(xué)機(jī)器學(xué)習(xí)實(shí)驗(yàn)室的 Yann LeCun 牽頭研發(fā)。尤其是，按照 GUI、演示和教程來部署的帶有基于能量的模型的卷積神經(jīng)網(wǎng)絡(luò)。

SINGA 被設(shè)計(jì)用來進(jìn)行已有系統(tǒng)中分布式訓(xùn)練算法的普通實(shí)現(xiàn)。它由 Apache Software Foundation 提供支持。

NVIDIA DIGITS 是一個(gè)新的用于開發(fā)、訓(xùn)練和可視化神經(jīng)網(wǎng)絡(luò)系統(tǒng)。它把深度學(xué)習(xí)放進(jìn)了基于瀏覽器的界面中，讓數(shù)據(jù)分析師和研究人員可以快速設(shè)計(jì)較好的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（DNN）來獲取實(shí)時(shí)的網(wǎng)絡(luò)行為可視化數(shù)據(jù)。

Intel? Deep Learning Framework 為英特爾的平臺(tái)提供了統(tǒng)一的框架來加速深度卷積神經(jīng)網(wǎng)絡(luò)。

Java

N-Dimensional Arrays for Java (ND4J) 是一種為 JVM 設(shè)計(jì)的科學(xué)計(jì)算庫。它們被應(yīng)用在生產(chǎn)環(huán)境中，這就意味著路徑被設(shè)計(jì)成可以最小的 RAM 內(nèi)存需求來快速運(yùn)行。

Deeplearning4j 是第一個(gè)為 Java 和 Scala 編寫的消費(fèi)級(jí)開元分布式深度學(xué)習(xí)庫。它被設(shè)計(jì)成在商業(yè)環(huán)境中使用，而非研究工具。

Encog 是一種先進(jìn)的機(jī)器學(xué)習(xí)框架，支持支持向量機(jī)（Support Vector Machines），人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks），基因編程（Genetic Programming），貝葉斯網(wǎng)絡(luò)（Bayesian Networks），隱馬爾科夫模型（Hidden Markov Models）和 遺傳算法（Genetic Algorithms）。

JavaScript

Convent.js 是一種 Javascript 中用于深度學(xué)習(xí)模型（主要是神經(jīng)網(wǎng)絡(luò)）的庫。完全在瀏覽器中使用，不需要開發(fā)工具，不需要編譯器，不需要安裝，也不需要 GPU 的支持，簡(jiǎn)單易用。

Lua

Torch 是一種科學(xué)計(jì)算框架，可支持多種計(jì)算機(jī)學(xué)習(xí)算法。

Julia

Mocha 用于 Julia 的一種深度學(xué)習(xí)框架，其靈感來源于 C++框架 Caffe。在 Mocha 中通用的隨機(jī)梯度求解器和公共層的有效實(shí)現(xiàn)可以被用于訓(xùn)練深度/淺層（卷積）神經(jīng)網(wǎng)絡(luò)，其帶有通過（堆疊的）自動(dòng)解碼器的（可選的）無監(jiān)督的預(yù)訓(xùn)練。其較大特點(diǎn)包括：帶有模塊化架構(gòu)、 高層面的接口、便攜性與速度、兼容性等等。

Lisp

Lush（Lisp Universal Shell）是一種為研究人員、試驗(yàn)者以及對(duì)大規(guī)模數(shù)值和圖形應(yīng)用感興趣的工程師設(shè)計(jì)的、面向?qū)ο蟮木幊陶Z言。它帶有豐富的作為機(jī)器學(xué)習(xí)庫一部分的深度學(xué)習(xí)庫。

Haskell

DNNGraph 是一個(gè)用 Haskell 編寫的深度神經(jīng)網(wǎng)絡(luò)生成 DSL。

.NET

Accord.NET 是一種.NET 機(jī)器學(xué)習(xí)框架，包含聲音和圖像處理庫，它完全由 C# 編寫。它是一種為開發(fā)生產(chǎn)級(jí)的計(jì)算機(jī)視覺、計(jì)算機(jī)聽覺、信號(hào)處理和統(tǒng)計(jì)應(yīng)用而設(shè)計(jì)的完整框架。

R

darch 包可以用于建立多層神經(jīng)網(wǎng)絡(luò)（深層結(jié)構(gòu)）。其中的訓(xùn)練方式包括使用對(duì)比發(fā)散法進(jìn)行提前訓(xùn)練，或使用通常的訓(xùn)練方法（如反向傳播和共軛梯度）進(jìn)行一些微調(diào)。

deepnet 實(shí)現(xiàn)了一些深度學(xué)習(xí)架構(gòu)和神經(jīng)網(wǎng)絡(luò)算法，包括 BP、RBM、DBN、深度自編碼器等等。

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法，實(shí)際應(yīng)用案例分享與討論，分析工具，ETL工具，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘工具，報(bào)表系統(tǒng)等全方位知識(shí)

QQ群：81035754