如今深度学习是AI和机器学习领域最热门的学习趋势。我们来审查为深度学习而开发的软件，包括Caffe，CUDA convnet，Deeplearning4j，Pylearn2，Theano和Torch。

深度学习是现在人工智能（Artificial Intelligence）和机器学习（Machine Learning）最热门的的趋势，每天的报刊都在报道令人惊异的新成就，比如在IQ测试中超越了人类（ doing better than humans on IQ test ）。

2015 KDnuggets Software Poll 中添加了一个深度学习工具的新类别，民意调查最流行的工具的结果显示如下。

• Pylearn2 (55 users)
• Caffe (29)
• Torch (27)
• Cuda-convnet (17)
• Deeplearning4j (12)
• Other Deep Learning Tools (106)

我没有使用过所有的工具，所以这是基于这些流行工具的主页和教程的简要概述。

Theano＆Pylearn2：

Theano和Pylearn2都是在Montreal大学开发出来的，都是由Yoshua Bengio带领的大部分来自于LISA的开发人员参与研发。Theano是一个Python库，你也可以把它看成一个数学表达式编译器。这对于从零开始生成算法是有益的。 这里 是Theano培训的一个直观的例子。

如果我们要使用标准算法，我们可以写Pylearn2插件作为Theano表达式，并且Theano会优化和稳定这个表达式。它包括多层感知器/RBM/Stacked Denoting Autoencoder/ ConvNets所需的所有的东西。这里是一个 快速入门教程 来引导您完成Pylearn2的一些基本思路的学习。

Caffe:

Caffe是由Berkeley Vision and Learning Center开发的，由贾扬清创建，Evan Shelhamer带领完成。它是一种C ++中ConvNets的快速的和可读的实现。如图所示在其官方页面上， Caffe使用一个单一的NVIDIA GPU K40与AlexNet可以每天处理超过60M的图像。它是一个可用于图像分类的工具包，不擅长其他的深度学习应用程序，如文字或语音。

Torch & OverFeat:

Lua 非死book AI是用Lua编写的，并且为 NYU，非死book AI实验室和Google DeepMind Torch使用。它要求为机器学习算法提供一个类似于MATLAB的环境。为什么他们选择Lua/ LuaJIT而不是更流行的Python呢？他们在Torch7的说明中这样解释，“Lua容易和C结合，所以在几个小时内的工作中，任何C或C ++库都可以成为一个Lua库。”Lua是用纯ANSI C编写的，所以它可以很容易地编译任意目标。

OverFeat是一个在ImageNet数据集中使用Torch7训练的特征提取器，同样很容易入门。

Cuda:

毫无疑问，最近GPU加速了深度学习的研究。有关GPU的新闻尤其是NVIDIA CUDA遍及互联网。Cuda-convnet/CuDNN支持所有主流软件，例如Caffe，Torch和Theano，都是容易实现的。

Deeplearning4j:

不像上述工具是作为一种研究工具，Deeplearning4j为在商业环境中使用而设计。正如其介绍，DL4J是一种“基于Java的，聚焦工业，商业支持的，分布式的深度学习框架。”

对比

这些工具似乎在速度和易用性方面表示出友好的竞争性。

Caffe的开发者说，“Caffe是最快的可用的convnet实现工具。”

Torch7被证明在大多数基准中比Theano要快，如Torch7指南中所示。

Soumith给出了所有开源实现的 convnet基准 。

Caffe指南中列出了一些流行的深度学习工具的对照表。

有Reddit上有一个关于“ 最适合深度神经网络的框架 ”的讨论。 DL4J在其网站上也给出了 DL4J vs. Torch vs. Theano vs. Caffe 的比较。

原文链接 ： Popular Deep Learning Tools – a review （翻译/王辉 责编/周建丁）