JavaScript
Convnet.js?由JavaScript編寫，是一個完全在瀏覽器內(nèi)完成訓(xùn)練深度學(xué)習(xí)模型（主要是神經(jīng)網(wǎng)絡(luò)）的封裝庫。不需要其它軟件，不需要編譯器，不需要安裝包，不需要GPU，甚至不費吹灰之力。

Lua
Torch是一款廣泛適用于各種機器學(xué)習(xí)算法的科學(xué)計算框架。它使用容易，用快速的腳本語言LuaJit開發(fā)，底層是C/CUDA實現(xiàn)。Torch基于Lua編程語言。

Julia
Mocha是Julia的深度學(xué)習(xí)框架，受C++框架Caffe的啟發(fā)。Mocha中通用隨機梯度求解程序和通用模塊的高效實現(xiàn)，可以用來訓(xùn)練深度/淺層（卷積）神經(jīng)網(wǎng)絡(luò)，可以通過（棧式）自編碼器配合非監(jiān)督式預(yù)訓(xùn)練（可選）完成。它的優(yōu)勢特性包括模塊化結(jié)構(gòu)、提供上層接口，可能還有速度、兼容性等更多特性。

Lisp

DNNGraph是Haskell用于深度神經(jīng)網(wǎng)絡(luò)模型生成的領(lǐng)域特定語言（DSL）。

Accord.NET?是完全用C#編寫的.NET機器學(xué)習(xí)框架，包括音頻和圖像處理的類庫。它是產(chǎn)品級的完整框架，用于計算機視覺、計算機音頻、信號處理和統(tǒng)計應(yīng)用領(lǐng)域。

R

1.?darch包可以用來生成多層神經(jīng)網(wǎng)絡(luò)（深度結(jié)構(gòu)）。訓(xùn)練的方法包括了對比散度的預(yù)訓(xùn)練和眾所周知的訓(xùn)練算法（如反向傳播法或共軛梯度法）的細調(diào)。

2.?deepnet實現(xiàn)了許多深度學(xué)習(xí)框架和神經(jīng)網(wǎng)絡(luò)算法，包括反向傳播(BP)、受限玻爾茲曼機(RBM)、深度信念網(wǎng)絡(luò)(DBP)、深度自編碼器(Deep?autoencoder)等等。

原文鏈接：Deep Learning Libraries by Language（譯者/趙屹華?審核/劉帝偉、朱正貴、李子健 責(zé)編/周建丁）

譯者簡介：趙屹華，計算廣告工程師@搜狗，前生物醫(yī)學(xué)工程師，關(guān)注推薦算法、機器學(xué)習(xí)領(lǐng)域。

文章轉(zhuǎn)載自：CSDN