各種程式語言的深度學習庫整理大全

Python

1、 Theano是一個python類庫，用陣列向量來定義和計算數學表示式。它使得在Python環境下編寫深度學習演算法變得簡單。在它基礎之上還搭建了許多類庫。

1、Keras是一個簡潔、高度模組化的神經網路庫，它的設計參考了Torch，用Python語言編寫，支援呼叫GPU和CPU優化後的Theano運算。

2、Pylearn2是一個整合大量深度學習常見模型和訓練演算法的庫，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路的輕量級封裝庫，基於Theano。它遵循簡潔化、透明化、模組化、實用化和專一化的原則。

4、Blocks也是一個基於Theano的幫助搭建神經網路的框架。

2、 Caffe是深度學習的框架，它注重於程式碼的表達形式、運算速度以及模組化程度。它是由伯克利視覺和學習中心（Berkeley Vision and Learning Center，BVLC）以及社群成員共同開發。谷歌的DeepDream專案就是基於Caffe框架完成。這個框架是使用BSD許可證的C++庫，並提供了Python呼叫介面。

3、 nolearn囊括了大量的現有神經網路函式庫的封裝和抽象介面、大名鼎鼎的Lasagne以及一些機器學習的常用模組。

4、 Genism也是一個用Python編寫的深度學習小工具，採用高效的演算法來處理大規模文字資料。

5、 Chainer在深度學習的理論演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的深度學習演算法函式庫，使用Python語言開發，實現了前饋神經網路（FNN）、受限玻爾茲曼機（RBM）、深度信念網路（DBN）、自編碼器（AE）、深度玻爾茲曼機（DBM）和卷積神經網路（CNN）等演算法。

7、 Hebel也是深度學習和神經網路的一個Python庫，它通過pyCUDA控制支援CUDA的GPU加速。它實現了最重要的幾類神經網路模型，提供了多種啟用函式和模型訓練方法，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、簡潔的分散式深度學習框架。它是一個輕量級、易擴充套件的C++/CUDA神經網路工具箱，提供友好的Python/Matlab介面來進行訓練和預測。

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式庫。

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

Matlab

1、 ConvNet卷積神經網路是一類深度學習分類演算法，它可以從原始資料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，它包含深度信念網路（DBN）、棧式自編碼器（stacked AE）、卷積神經網路（CNN）等演算法。

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

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

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路，並提供視覺化互動介面（GUI）、示例以及示範教程。