各種編程語言的深度學習庫整理大全

Python

1、 Theano是一個python類庫，用數組向量來定義和計算數學表達式。它使得在Python環境下編寫深度學習算法變得簡單。在它基礎之上還搭建了許多類庫。

1、Keras是一個簡潔、高度模塊化的神經網絡庫，它的設計參考了Torch，用Python語言編寫，支持調用GPU和CPU優化後的Theano運算。

2、Pylearn2是一個集成大量深度學習常見模型和訓練算法的庫，如隨機梯度下降等。它的功能庫都是基於Theano之上。

3、Lasagne是一個搭建和訓練神經網絡的輕量級封裝庫，基於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也是一個基於Theano的幫助搭建神經網絡的框架。

2、 Caffe是深度學習的框架，它注重於代碼的表達形式、運算速度以及模塊化程度。它是由伯克利視覺和學習中心（Berkeley Vision and Learning Center，BVLC）以及社區成員共同開發。谷歌的DeepDream項目就是基於Caffe框架完成。這個框架是使用BSD許可證的C++庫，並提供了Python調用接口。

3、 nolearn囊括了大量的現有神經網絡函數庫的封裝和抽象接口、大名鼎鼎的Lasagne以及一些機器學習的常用模塊。

4、 Genism也是一個用Python編寫的深度學習小工具，採用高效的算法來處理大規模文本數據。

5、 Chainer在深度學習的理論算法和實際應用之間架起一座橋樑。它的特點是強大、靈活、直觀，被認為是深度學習的靈活框架。

6、 deepnet是基於GPU的深度學習算法函數庫，使用Python語言開發，實現了前饋神經網絡（FNN）、受限玻爾茲曼機（RBM）、深度信念網絡（DBN）、自編碼器（AE）、深度玻爾茲曼機（DBM）和卷積神經網絡（CNN）等算法。

7、 Hebel也是深度學習和神經網絡的一個Python庫，它通過pyCUDA控制支持CUDA的GPU加速。它實現了最重要的幾類神經網絡模型，提供了多種激活函數和模型訓練方法，例如momentum、Nesterov momentum、dropout、和early stopping等方法。

8、 CXXNET是一個基於MShadow開發的快速、簡潔的分佈式深度學習框架。它是一個輕量級、易擴展的C++/CUDA神經網絡工具箱，提供友好的Python/Matlab接口來進行訓練和預測。

9、 DeepPy是基於NumPy的深度學習框架。

10、 DeepLearning是一個用C++和Python共同開發的深度學習函數庫。

11、 Neon是Nervana System的深度學習框架，使用Python開發。

Matlab

1、 ConvNet卷積神經網絡是一類深度學習分類算法，它可以從原始數據中自主學習有用的特徵，通過調節權重值來實現。

2、 DeepLearnToolBox是用於深度學習的Matlab/Octave工具箱，它包含深度信念網絡（DBN）、棧式自編碼器（stacked AE）、卷積神經網絡（CNN）等算法。

3、 cuda-convet是一套卷積神經網絡（CNN）代碼，也適用於前饋神經網絡，使用C++/CUDA進行運算。它能對任意深度的多層神經網絡建模。只要是有向無環圖的網絡結構都可以。訓練過程採用反向傳播算法（BP算法）。

4、 MatConvNet是一個面向計算機視覺應用的卷積神經網絡（CNN）Matlab工具箱。它簡單高效，能夠運行和學習最先進的機器學習算法。

CPP

1、 eblearn是開源的機器學習C++封裝庫，由Yann LeCun主導的紐約大學機器學習實驗室開發。它用基於能量的模型實現卷積神經網絡，並提供可視化交互界面（GUI）、示例以及示範教程。