Python

　　1. Theano是一個python類庫，用數(shù)組向量來定義和計算數(shù)學表達式。它使得在Python環(huán)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(yōu)化后的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。它的功能庫都是基于Theano之上。

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

　　2. Caffe是深度學習的框架，它注重于代碼的表達形式、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(qū)成員共同開發(fā)。谷歌的DeepDream項目就是基于Caffe框架完成。這個框架是使用BSD許可證的C++庫，并提供了Python調用接口。

　　3. nolearn囊括了大量的現(xiàn)有神經網絡函數(shù)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，采用高效的算法來處理大規(guī)模文本數(shù)據(jù)。

　　5. Chainer在深度學習的理論算法和實際應用之間架起一座橋梁。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是基于GPU的深度學習算法函數(shù)庫，使用Python語言開發(fā)，實現(xiàn)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(xiàn)了最重要的幾類神經網絡模型，提供了多種激活函數(shù)和模型訓練方法，例如momentum、Nesterov momentum、dropout、和early stopping等方法。

　　8. CXXNET是一個基于MShadow開發(fā)的快速、簡潔的分布式深度學習框架。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是基于NumPy的深度學習框架。

　　10. DeepLearning是一個用C++和Python共同開發(fā)的深度學習函數(shù)庫。

　　11. Neon是Nervana System 的深度學習框架，使用Python開發(fā)。

　　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(shù)據(jù)中自主學習有用的特征，通過調節(jié)權重值來實現(xiàn)。

　　2. DeepLearnToolBox是用于深度學習的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，也適用于前饋神經網絡，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(huán)圖的網絡結構都可以。訓練過程采用反向傳播算法（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(fā)。它用基于能量的模型實現(xiàn)卷積神經網絡，并提供可視化交互界面（GUI）、示例以及示范教程。

　　相關推薦：

小升初試題、期中期末題、小學奧數(shù)題

盡在奧數(shù)網公眾號

　　 歡迎使用手機、平板等移動設備訪問幼教網，幼兒教育我們一路陪伴同行！>>點擊查看