作者：Vamei 出处：http://www.cnblogs.com/vamei 严禁任何形式转载。
深度学习（Deep Learning）是机器学习的一个进展迅速的分支。Google下围棋的AlphaGo就采用了深度学习算法，从而让机器学习算法广受关注。这里是我对深度学习常用库的一个调研总结。
基于Python的常用方案：
Theano + Pylearn2: 大部分基于Python本身。在学术界使用广泛，有很多实验性的新算法。但性能和商业支持方面都有问题。 Caffe：底层用C++实现。算法较少，主要卷积网络算法（Convolutional Network），用于图像识别和分类。性能不错，开发社区也很活跃。安装和配置比较复杂。
其他方案：
Cuda-convnet：基于C++，主要是用Cuda在GPU上实现，对分布式的支持很好。缺点是学习曲线比较陡，开发社区也比较分散。 Torch: 基于Lua，底层主要是C。在大公司使用比较多。分布式支持好，性能好，算法有限。 Deeplearning4j: 基于Scala/Java, 正在开发Python接口。商业化支持完善，可以和Spark, Hadoop等大数据工具结合，容易配置和安装。
此外，网上有一个Deep Learning工具的排行：
Pylearn2 (55 users) Theano (50) Caffe (29) Cuda-convnet (17) Deeplearning4j (12) Torch (27)
文章参考
http://deeplearning4j.org/compare-dl4j-torch7-pylearn.html
http://www.csdn.net/article/2015-07-07/2825150
http://www.kdnuggets.com/2015/05/poll-r-rapidminer-python-big-data-spark.html
https://github.com/soumith/convnet-benchmarks
https://code.google.com/archive/p/cuda-convnet2/
http://torch.ch/
