认识达内从这里开始

成都达内培训：如果你这些都能知道了，那么你就是技术大牛!

技术大牛是我们无限崇拜的，

那我们和大牛们相差有多远?

想知道吗?

看下去吧。

在科技行业，每一个刚进入的小白都会被一些老司机在耳边说他们的所谓辉煌事迹，简单来说，就是吹牛啦。

但老司机的上面或者在这群老司机中，还真的有那么一两个是有那么点真材实料的。

那这些大牛们他们学了什么，才变成大牛的呢?下面，小编给大家收集了基于 10 大编程语言的 30 个深度学习库，希望能为各位想成为大牛的你们一点帮助。

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。