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習庫。是一個部署在編程語言中的深度學習工具包，用于通過高效的算法處理大型文本集。是公司基于開發(fā)的深度學習框架。是第一個為和編寫的消費級開元分布式深度學習庫。

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習庫。

Python

Theano 是一種用于使用數(shù)列來定義和評估數(shù)學表達的 Python 庫。它可以讓 Python 中深度學習算法的編寫更為簡單。很多其他的庫是以 Theano 為基礎(chǔ)開發(fā)的：

Keras 是類似 Torch 的一個精簡的，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 運行中的張量操作。

Pylearn2 是一個引用大量如隨機梯度（Stochastic Gradient）這樣的模型和訓練算法的庫。它在深度學習中被廣泛采用，這個庫也是以 Theano 為基礎(chǔ)的。

Lasagne 是一個輕量級的庫，它可以在 Theano 中建立和訓練神經(jīng)網(wǎng)絡(luò)。它簡單、透明、模塊化、實用、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。

30-deep-learning-libraries

Caffe 是一種以表達清晰、高速和模塊化為理念建立起來的深度學習框架。它是由伯克利視覺和學習中心（BVLC）和網(wǎng)上社區(qū)貢獻者共同開發(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。這個框架是一個 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，其中也包含一些機器學習的實用模塊。

Genism 是一個部署在 Python 編程語言中的深度學習工具包，用于通過高效的算法處理大型文本集。

Chainer 連接深度學習中的算法與實現(xiàn)，它強勁、靈活而敏銳，是一種用于深度學習的靈活的框架。

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

Hebel 是一個在 Python 中用于帶有神經(jīng)網(wǎng)絡(luò)的深度學習的庫，它通過 PyCUDA 使用帶有 CUDA 的 GPU 加速。它可實現(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)和訓練方式，如動量，Nesterov 動量，退出（dropout）和 前期停止（early stopping）。

CXXNET 是一種快速，簡明的分布式深度學習框架，它以 MShadow 為基礎(chǔ)。它是輕量級可擴展的 C++/CUDA 神經(jīng)網(wǎng)絡(luò)工具包，同時擁有友好的 Python/Matlab 界面，可供機器學習的訓練和預(yù)測使用。

DeepPy 是一種建立在 Mumpy 之上的 Python 化的深度學習框架。

DeepLearning 是一個用 C++和 Python 開發(fā)的深度學習庫。

Neon 是 Nervana 公司基于 Python 開發(fā)的深度學習框架。

C++

eblearn 是一個機器學習的開源 C++庫，由紐約大學機器學習實驗室的 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)計用來進行已有系統(tǒng)中分布式訓練算法的普通實現(xiàn)。它由 Apache Software Foundation 提供支持。

NVIDIA DIGITS 是一個新的用于開發(fā)、訓練和可視化神經(jīng)網(wǎng)絡(luò)系統(tǒng)。它把深度學習放進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)計較好的深度學習神經(jīng)網(wǎng)絡(luò)（DNN）來獲取實時的網(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)計的科學計算庫。它們被應(yīng)用在生產(chǎn)環(huán)境中，這就意味著路徑被設(shè)計成可以最小的 RAM 內(nèi)存需求來快速運行。

Deeplearning4j 是第一個為 Java 和 Scala 編寫的消費級開元分布式深度學習庫。它被設(shè)計成在商業(yè)環(huán)境中使用，而非研究工具。

Encog 是一種先進的機器學習框架，支持支持向量機（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 中用于深度學習模型（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，簡單易用。

Lua

Torch 是一種科學計算框架，可支持多種計算機學習算法。

Julia

Mocha 用于 Julia 的一種深度學習框架，其靈感來源于 C++框架 Caffe。在 Mocha 中通用的隨機梯度求解器和公共層的有效實現(xiàn)可以被用于訓練深度/淺層（卷積）神經(jīng)網(wǎng)絡(luò)，其帶有通過（堆疊的）自動解碼器的（可選的）無監(jiān)督的預(yù)訓練。其較大特點包括：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、試驗者以及對大規(guī)模數(shù)值和圖形應(yīng)用感興趣的工程師設(shè)計的、面向?qū)ο蟮木幊陶Z言。它帶有豐富的作為機器學習庫一部分的深度學習庫。

Haskell

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

.NET

Accord.NET 是一種.NET 機器學習框架，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)級的計算機視覺、計算機聽覺、信號處理和統(tǒng)計應(yīng)用而設(shè)計的完整框架。

R

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

deepnet 實現(xiàn)了一些深度學習架構(gòu)和神經(jīng)網(wǎng)絡(luò)算法，包括 BP、RBM、DBN、深度自編碼器等等。

聲明：本文系網(wǎng)絡(luò)轉(zhuǎn)載，版權(quán)歸原作者所有。如涉及版權(quán)，請聯(lián)系刪除！

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)生價值的辦法，實際應(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，報表系統(tǒng)等全方位知識

QQ群：81035754