Python1。Theano是壹個Python類庫，它使用數組向量來定義和計算數學表達式。使得在Python環境下編寫深度學習算法變得很容易。在它的基礎上，建立了許多類庫。
1.Keras是壹個簡潔和高度模塊化的神經網絡庫。它的設計基於Torch，用Python語言編寫，支持調用GPU和CPU優化的Theano操作。
2.Pylearn2是壹個庫，集成了大量常見的深度學習模型和訓練算法，如隨機梯度下降。其函數庫基於Theano。
3.Lasagne是壹個輕量級包庫，用於構建和訓練神經網絡，基於Theano。它遵循簡單、透明、模塊化、實用和專業化的原則。
4.Blocks也是壹個基於Theano的框架，用來幫助構建神經網絡。
2.Caffe是深度學習的框架，側重於代碼的表達形式、運行速度和模塊性。它是由伯克利視覺和學習中心(BVLC)和社區成員共同開發的。谷歌的DeepDream項目基於Caffe框架。這個框架是壹個使用BSD許可證的C++庫，提供了壹個Python調用接口。
3.nolearn包括大量現有神經網絡函數庫的封裝和抽象接口，著名的千層面和機器學習的壹些常用模塊。
4.Genism也是壹個用Python編寫的深度學習小工具，它使用高效的算法來處理大規模文本數據。
5.Chainer在深度學習的理論算法和實際應用之間搭建了壹座橋梁。其特點是強大、靈活、直觀，被認為是深度學習的靈活框架。
6.deepnet是壹個基於GPU的深度學習算法庫。用Python語言開發，實現了前饋神經網絡(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)、卷積神經網絡(CNN)等算法。
7.Hebel也是深度學習和神經網絡的Python庫。它通過pyCUDA控制支持CUDA的GPU加速。它實現了最重要的神經網絡模型，並提供了多種激活函數和模型訓練方法，如動量，內斯特羅夫動量，輟學，提前停止。
8.CXXNET是壹個基於MShadow的快速簡潔的分布式深度學習框架。它是壹個輕量級可擴展的C++/CUDA神經網絡工具箱，提供了友好的Python/Matlab接口用於訓練和預測。
9.DeepPy是壹個基於NumPy的深度學習框架。
10.DeepLearning是用C++和Python***開發的深度學習函數庫。
11.Neon是Nervana系統的深度學習框架，用Python開發。
矩陣實驗室
Convnet卷積神經網絡是壹種深度學習分類算法，可以通過調整權值從原始數據中學習有用的特征。
2.DeepLearnToolBox是壹個用於深度學習的Matlab/Octave工具箱，包括深度信念網絡(DBN)、堆疊AE和卷積神經網絡(CNN)等算法。
3.cuda-convet是壹組卷積神經網絡(CNN)代碼，也適用於前饋神經網絡，使用C++/CUDA進行運算。它可以模擬任意深度的多層神經網絡。只要是有向無環圖的網絡結構。在訓練過程中使用了反向傳播算法(BP算法)。
4.MatConvNet是用於計算機視覺應用的卷積神經網絡(CNN)Matlab工具箱。它簡單高效，可以運行和學習最先進的機器學習算法。
卡片打印處理機（Card Print Processor的縮寫）
1.eblearn是壹個面向機器學習的開源C++打包庫，由Yann LeCun領導的紐約大學機器學習實驗室開發。它使用基於能量的模型實現卷積神經網絡，並提供可視化交互界面(GUI)、示例和演示課程。
2.SINGA是Apache軟件基金會支持的項目，其設計目標是在現有系統上提供壹個通用的分布式模型訓練算法。
3.NVIDIA DIGITS是壹個用於開發、訓練和可視化深度神經網絡的新系統。它以瀏覽器界面呈現深度學習的強大功能，讓數據科學家和研究人員可以實時可視化神經網絡的行為，快速設計出最適合數據的深度神經網絡。
4.英特爾？深度學習框架提供了英特爾？加速深度卷積神經網絡的統壹平臺。
Java 語言(壹種計算機語言，尤用於創建網站)
1.n維數組Java (ND4J)是JVM平臺的科學計算函數庫。主要用在產品上，也就是說功能的設計要求是運算速度快，存儲空間最小。
2.Deeplearning4j是第壹個商業開源的分布式深度學習類庫，用Java和Scala編寫。它被設計用於商業環境，而不是作為研究工具。
3.Encog是機器學習的高級框架，涵蓋了支持向量機、人工神經網絡、遺傳編程、貝葉斯網絡、隱馬爾可夫模型等，也支持遺傳算法。
Java Script語言
1.Convnet.js由JavaScript編寫，是壹個完全在瀏覽器中訓練深度學習模型(主要是神經網絡)的包庫。沒有其他軟件，沒有編譯器，沒有安裝包，沒有GPU，甚至不費吹灰之力。
左上臂
1.Torch是壹個科學計算框架，廣泛應用於各種機器學習算法。很好用，用快速腳本語言LuaJit開發，底層用C/CUDA實現。Torch是基於Lua編程語言的
朱莉婭
1.Mocha是Julia的深度學習框架，靈感來自C++框架Caffe。通用隨機梯度求解程序和通用模塊在Mocha中的高效實現可用於訓練深/淺(卷積)神經網絡，並可由無監督預訓練(可選)的(堆疊)自編碼器完成。它的優點包括模塊化結構，提供上層接口，也許還有速度，兼容性等等。
咬舌
1.Lush (LISP Universal Shell)是壹種面向對象的編程語言，面向對大規模數值和圖形應用感興趣的研究人員、實驗人員和工程師。它有機器學習的函數庫，包括豐富的深度學習庫。
哈斯克爾
1.DNNGraph是Haskell用來生成深度神經網絡模型的領域特定語言(DSL)。
。網
1.Accord.NET是壹個完全用C#編寫的. NET機器學習框架，包括用於音頻和圖像處理的類庫。它是壹個完整的產品級框架，用於計算機視覺、計算機音頻、信號處理和統計應用。
稀有
1.darch包可以用來生成多層神經網絡(深度結構)。訓練方法包括對比度發散的預訓練和眾所周知的訓練算法(如反向傳播法或軛梯度法)的微調。
2.deepnet實現了很多深度學習框架和神經網絡算法，包括反向傳播(BP)、受限玻爾茲曼機(RBM)、深度信念網絡(DBP)、深度自動編碼器等。