2. SINGA是Apache軟件基金會支持的一個項目，它的設計目標是在現(xiàn)有系統(tǒng)上提供通用的分布式模型訓練算法。

　　3. NVIDIA DIGITS是用于開發(fā)、訓練和可視化深度神經(jīng)網(wǎng)絡的一套新系統(tǒng)。它把深度學習的強大功能用瀏覽器界面呈現(xiàn)出來，使得數(shù)據(jù)科學家和研究員可以實時地可視化神經(jīng)網(wǎng)絡行為，快速地設計出最適合數(shù)據(jù)的深度神經(jīng)網(wǎng)絡。

　　4. Intel? Deep Learning Framework提供了Intel?平臺加速深度卷積神經(jīng)網(wǎng)絡的一個統(tǒng)一平臺。

　　Java

　　1. N-Dimensional Arrays for Java (ND4J) 是JVM平臺的科學計算函數(shù)庫。它主要用于產(chǎn)品中，也就是說函數(shù)的設計需求是運算速度快、存儲空間最省。

　　2. Deeplearning4j 是第一款商業(yè)級別的開源分布式深度學習類庫，用Java和Scala編寫。它的設計目的是為了在商業(yè)環(huán)境下使用，而不是作為一款研究工具。

　　3. Encog是一個機器學習的高級框架，涵蓋支持向量機、人工神經(jīng)網(wǎng)絡、遺傳編程、貝葉斯網(wǎng)絡、隱馬可夫模型等，也支持遺傳算法。

　　JavaScript

　　1. Convnet.js 由JavaScript編寫，是一個完全在瀏覽器內(nèi)完成訓練深度學習模型（主要是神經(jīng)網(wǎng)絡）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

　　1. Torch是一款廣泛適用于各種機器學習算法的科學計算框架。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

　　1. Mocha是Julia的深度學習框架，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)，可以用來訓練深度/淺層（卷積）神經(jīng)網(wǎng)絡，可以通過（棧式）自編碼器配合非監(jiān)督式預訓練（可選）完成。它的優(yōu)勢特性包括模塊化結構、提供上層接口，可能還有速度、兼容性等更多特性。

　　Lisp

　　1. Lush(Lisp Universal Shell)是一種面向對象的編程語言，面向對大規(guī)模數(shù)值和圖形應用感興趣的廣大研究員、實驗員和工程師們。它擁有機器學習的函數(shù)庫，其中包含豐富的深度學習庫。

　　Haskell

　　1. DNNGraph是Haskell用于深度神經(jīng)網(wǎng)絡模型生成的領域特定語言（DSL）。

　　.NET

　　1. Accord.NET 是完全用C#編寫的.NET機器學習框架，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)計應用領域。

　　R

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

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

　　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(wǎng)公眾號

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