各種編程語(yǔ)言的深度學(xué)習(xí)庫(kù)整理大全

　　Python

　　1. Theano是一個(gè)python類(lèi)庫(kù)，用數(shù)組向量來(lái)定義和計(jì)算數(shù)學(xué)表達(dá)式。它使得在Python環(huán)境下編寫(xiě)深度學(xué)習(xí)算法變得簡(jiǎn)單。在它基礎(chǔ)之上還搭建了許多類(lèi)庫(kù)。

　　1.Keras是一個(gè)簡(jiǎn)潔、高度模塊化的神經(jīng)網(wǎng)絡(luò)庫(kù)，它的設(shè)計(jì)參考了Torch，用Python語(yǔ)言編寫(xiě)，支持調(diào)用GPU和CPU優(yōu)化后的Theano運(yùn)算。

　　2.Pylearn2是一個(gè)集成大量深度學(xué)習(xí)常見(jiàn)模型和訓(xùn)練算法的庫(kù)，如隨機(jī)梯度下降等。它的功能庫(kù)都是基于Theano之上。

　　3.Lasagne是一個(gè)搭建和訓(xùn)練神經(jīng)網(wǎng)絡(luò)的輕量級(jí)封裝庫(kù)，基于Theano。它遵循簡(jiǎn)潔化、透明化、模塊化、實(shí)用化和專(zhuān)一化的原則。

　　4.Blocks也是一個(gè)基于Theano的幫助搭建神經(jīng)網(wǎng)絡(luò)的框架。

　　2. Caffe是深度學(xué)習(xí)的框架，它注重于代碼的表達(dá)形式、運(yùn)算速度以及模塊化程度。它是由伯克利視覺(jué)和學(xué)習(xí)中心（Berkeley Vision and Learning Center, BVLC）以及社區(qū)成員共同開(kāi)發(fā)。谷歌的DeepDream項(xiàng)目就是基于Caffe框架完成。這個(gè)框架是使用BSD許可證的C++庫(kù)，并提供了Python調(diào)用接口。

　　3. nolearn囊括了大量的現(xiàn)有神經(jīng)網(wǎng)絡(luò)函數(shù)庫(kù)的封裝和抽象接口、大名鼎鼎的Lasagne以及一些機(jī)器學(xué)習(xí)的常用模塊。

　　4. Genism也是一個(gè)用Python編寫(xiě)的深度學(xué)習(xí)小工具，采用高效的算法來(lái)處理大規(guī)模文本數(shù)據(jù)。

　　5. Chainer在深度學(xué)習(xí)的理論算法和實(shí)際應(yīng)用之間架起一座橋梁。它的特點(diǎn)是強(qiáng)大、靈活、直觀，被認(rèn)為是深度學(xué)習(xí)的靈活框架。

　　6. deepnet是基于GPU的深度學(xué)習(xí)算法函數(shù)庫(kù)，使用Python語(yǔ)言開(kāi)發(fā)，實(shí)現(xiàn)了前饋神經(jīng)網(wǎng)絡(luò)（FNN）、受限玻爾茲曼機(jī)（RBM）、深度信念網(wǎng)絡(luò)（DBN）、自編碼器（AE）、深度玻爾茲曼機(jī)（DBM）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）等算法。

　　7. Hebel也是深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的一個(gè)Python庫(kù)，它通過(guò)pyCUDA控制支持CUDA的GPU加速。它實(shí)現(xiàn)了最重要的幾類(lèi)神經(jīng)網(wǎng)絡(luò)模型，提供了多種激活函數(shù)和模型訓(xùn)練方法，例如momentum、Nesterov momentum、dropout、和early stopping等方法。

　　8. CXXNET是一個(gè)基于MShadow開(kāi)發(fā)的快速、簡(jiǎn)潔的分布式深度學(xué)習(xí)框架。它是一個(gè)輕量級(jí)、易擴(kuò)展的C++/CUDA神經(jīng)網(wǎng)絡(luò)工具箱，提供友好的Python/Matlab接口來(lái)進(jìn)行訓(xùn)練和預(yù)測(cè)。

　　9. DeepPy是基于NumPy的深度學(xué)習(xí)框架。

　　10. DeepLearning是一個(gè)用C++和Python共同開(kāi)發(fā)的深度學(xué)習(xí)函數(shù)庫(kù)。

　　11. Neon是Nervana System 的深度學(xué)習(xí)框架，使用Python開(kāi)發(fā)。

　　Matlab

　　1. ConvNet 卷積神經(jīng)網(wǎng)絡(luò)是一類(lèi)深度學(xué)習(xí)分類(lèi)算法，它可以從原始數(shù)據(jù)中自主學(xué)習(xí)有用的特征，通過(guò)調(diào)節(jié)權(quán)重值來(lái)實(shí)現(xiàn)。

　　2. DeepLearnToolBox是用于深度學(xué)習(xí)的Matlab/Octave工具箱，它包含深度信念網(wǎng)絡(luò)（DBN）、棧式自編碼器（stacked AE）、卷積神經(jīng)網(wǎng)絡(luò)（CNN）等算法。

　　3. cuda-convet是一套卷積神經(jīng)網(wǎng)絡(luò)（CNN）代碼，也適用于前饋神經(jīng)網(wǎng)絡(luò)，使用C++/CUDA進(jìn)行運(yùn)算。它能對(duì)任意深度的多層神經(jīng)網(wǎng)絡(luò)建模。只要是有向無(wú)環(huán)圖的網(wǎng)絡(luò)結(jié)構(gòu)都可以。訓(xùn)練過(guò)程采用反向傳播算法（BP算法）。

　　4. MatConvNet是一個(gè)面向計(jì)算機(jī)視覺(jué)應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)（CNN）Matlab工具箱。它簡(jiǎn)單高效，能夠運(yùn)行和學(xué)習(xí)最先進(jìn)的機(jī)器學(xué)習(xí)算法。

　　CPP

　　1. eblearn是開(kāi)源的機(jī)器學(xué)習(xí)C++封裝庫(kù)，由Yann LeCun主導(dǎo)的紐約大學(xué)機(jī)器學(xué)習(xí)實(shí)驗(yàn)室開(kāi)發(fā)。它用基于能量的模型實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)，并提供可視化交互界面（GUI）、示例以及示范教程。

　　相關(guān)推薦：

小升初試題、期中期末題、小學(xué)奧數(shù)題

盡在奧數(shù)網(wǎng)公眾號(hào)

　　 歡迎使用手機(jī)、平板等移動(dòng)設(shè)備訪問(wèn)幼教網(wǎng)，幼兒教育我們一路陪伴同行！>>點(diǎn)擊查看