本文介绍了包括 Python、Java、Haskell等在内的一系列编程语言的深度学习库。
Python
Theano 是一种用于使用数列来定义和评估数学表达的 Python 库。它可以让 Python 中深度学习算法的编写更为简单。很多其他的库是以 Theano 为基础开发的：
Keras 是类似 Torch 的一个精简的，高度模块化的神经网络库。Theano 在底层帮助其优化 CPU 和 GPU 运行中的张量操作。
Pylearn2 是一个引用大量如随机梯度（Stochastic Gradient）这样的模型和训练算法的库。它在深度学习中被广泛采用，这个库也是以 Theano 为基础的。
Lasagne 是一个轻量级的库，它可以在 Theano 中建立和训练神经网络。它简单、透明、模块化、实用、专一而克制。
Blocks 是一种帮助你在 Theano 之上建立神经网络模型的框架。
Caffe 是一种以表达清晰、高速和模块化为理念建立起来的深度学习框架。它是由伯克利视觉和学习中心（BVLC）和网上社区贡献者共同开发的。谷歌的 DeepDream 人工智能图像处理程序正是建立在 Caffe 框架之上。这个框架是一个 BSD 许可的带有 Python 接口的 C++库。
nolearn 包含大量其他神经网络库中的包装器和抽象（wrappers and abstractions），其中最值得注意的是 Lasagne，其中也包含一些机器学习的实用模块。
Genism 是一个部署在 Python 编程语言中的深度学习工具包，用于通过高效的算法处理大型文本集。
Chainer 连接深度学习中的算法与实现，它强劲、灵活而敏锐，是一种用于深度学习的灵活的框架。
deepnet 是一种基于 GPU 的深度学习算法的 Python 实现，比如：前馈神经网络、受限玻尔兹曼机、深度信念网络、自编码器、深度玻尔兹曼机和卷积神经网络。
Hebel 是一个在 Python 中用于带有神经网络的深度学习的库，它通过 PyCUDA 使用带有 CUDA 的 GPU 加速。它可实现大多数目前最重要的神经网络模型，提供了多种不同的激活函数和训练方式，如动量，Nesterov 动量，退出（dropout）和 前期停止（early stopping）。
CXXNET 是一种快速，简明的分布式深度学习框架，它以 MShadow 为基础。它是轻量级可扩展的 C++/CUDA 神经网络工具包，同时拥有友好的 Python/Matlab 界面，可供机器学习的训练和预测使用。
DeepPy 是一种建立在 Mumpy 之上的 Python 化的深度学习框架。
DeepLearning 是一个用 C++和 Python 开发的深度学习库。
Neon 是 Nervana 公司基于 Python 开发的深度学习框架。
C++
eblearn 是一个机器学习的开源 C++库，由纽约大学机器学习实验室的 Yann LeCun 牵头研发。尤其是，按照 GUI、演示和教程来部署的带有基于能量的模型的卷积神经网络。
SINGA 被设计用来进行已有系统中分布式训练算法的普通实现。它由 Apache Software Foundation 提供支持。
NVIDIA DIGITS 是一个新的用于开发、训练和可视化神经网络系统。它把深度学习放进了基于浏览器的界面中，让数据分析师和研究人员可以快速设计最好的深度学习神经网络（DNN）来获取实时的网络行为可视化数据。
Intel® Deep Learning Framework 为英特尔的平台提供了统一的框架来加速深度卷积神经网络。
Java
N-Dimensional Arrays for Java (ND4J) 是一种为 JVM 设计的科学计算库。它们被应用在生产环境中，这就意味着路径被设计成可以最小的 RAM 内存需求来快速运行。
Deeplearning4j 是第一个为 Java 和 Scala 编写的消费级开元分布式深度学习库。它被设计成在商业环境中使用，而非研究工具。
Encog 是一种先进的机器学习框架，支持支持向量机（Support Vector Machines），人工神经网络（Artificial Neural Networks），基因编程（Genetic Programming），贝叶斯网络（Bayesian Networks），隐马尔科夫模型（Hidden Markov Models）和 遗传算法（Genetic Algorithms）。
JavaScript
Convent.js 是一种 Javascript 中用于深度学习模型（主要是神经网络）的库。完全在浏览器中使用，不需要开发工具，不需要编译器，不需要安装，也不需要 GPU 的支持，简单易用。
Lua
Torch 是一种科学计算框架，可支持多种计算机学习算法。
Julia
Mocha 用于 Julia 的一种深度学习框架，其灵感来源于 C++框架 Caffe。在 Mocha 中通用的随机梯度求解器和公共层的有效实现可以被用于训练深度/浅层（卷积）神经网络，其带有通过（堆叠的）自动解码器的（可选的）无监督的预训练。其最大特点包括：带有模块化架构、 高层面的接口、便携性与速度、兼容性等等。
Lisp
Lush（Lisp Universal Shell）是一种为研究人员、试验者以及对大规模数值和图形应用感兴趣的工程师设计的、面向对象的编程语言。它带有丰富的作为机器学习库一部分的深度学习库。
Haskell
DNNGraph 是一个用 Haskell 编写的深度神经网络生成 DSL。
.NET
Accord.NET 是一种.NET 机器学习框架，包含声音和图像处理库，它完全由 C# 编写。它是一种为开发生产级的计算机视觉、计算机听觉、信号处理和统计应用而设计的完整框架。
R
darch 包可以用于建立多层神经网络（深层结构）。其中的训练方式包括使用对比发散法进行提前训练，或使用通常的训练方法（如反向传播和共轭梯度）进行一些微调。
deepnet 实现了一些深度学习架构和神经网络算法，包括 BP、RBM、DBN、深度自编码器等等。
STM32
MCU
通讯及无线技术
物联网技术
电子DIY
板卡试用
基础知识
软件与操作系统
我爱生活
小e食堂