十个值得一试的开源深度学习框架

本周早些时候google开源了tensorflow（github），此举在深度学习领域影响巨大，因为google在人工智能领域的研发成绩斐然，有着雄厚的人才储备，而且google自己的gmail和搜索引擎都在使用自行研发的深度学习工具。

无疑，来自google军火库的tensorflow必然是开源深度学习软件中的明星产品，登陆github当天就成为最受关注的项目，当周获得评星数就轻松超过1万个。

对于希望在应用中整合深度学习功能的开发者来说，github上其实还有很多不错的开源项目值得关注，首先我们推荐目前规模人气最高的top3：

一、caffe。源自加州伯克利分校的caffe被广泛应用，包括pinterest这样的web大户。与tensorflow一样，caffe也是由c++开发，caffe也是google今年早些时候发布的deepdream项目（可以识别喵星人的人工智能神经网络）的基础。

二、theano。2008年诞生于蒙特利尔理工学院，theano派生出了大量深度学习python软件包，最著名的包括blocks和keras。

三、torch。torch诞生已经有十年之久，但是真正起势得益于去年facebook开源了大量torch的深度学习模块和扩展。torch另外一个特殊之处是采用了不怎么流行的编程语言lua（该语言曾被用来开发视频游戏）。

除了以上三个比较成熟知名的项目，还有很多有特色的深度学习开源框架也值得关注：

四、brainstorm。来自瑞士人工智能实验室idsia的一个非常发展前景很不错的深度学习软件包，brainstorm能够处理上百层的超级深度神经网络——所谓的公路网络highway networks。

五、chainer。来自一个日本的深度学习创业公司preferred networks，今年6月发布的一个python框架。chainer的设计基于define by run原则，也就是说，该网络在运行中动态定义，而不是在启动时定义，这里有chainer的详细文档。

六、deeplearning4j。 顾名思义，deeplearning4j是”for java”的深度学习框架，也是首个商用级别的深度学习开源库。deeplearning4j由创业公司skymind于2014年6月发布，使用 deeplearning4j的不乏埃森哲、雪弗兰、博斯咨询和ibm等明星企业。

deeplearning4j是一个面向生产环境和商业应用的高成熟度深度学习开源库，可与hadoop和spark集成，即插即用，方便开发者在app中快速集成深度学习功能，可应用于以下深度学习领域：

七、marvin。是普林斯顿大学视觉工作组新推出的c++框架。该团队还提供了一个文件用于将caffe模型转化成语marvin兼容的模式。

八、convnetjs。这是斯坦福大学博士生andrej karpathy开发浏览器插件，基于万能的javascript可以在你的游览器中训练神经网络。karpathy还写了一个convnetjs的入门教程，以及一个简洁的浏览器演示项目。

九、mxnet。出自cxxnet、minerva、purine等项目的开发者之手，主要用c++编写。mxnet强调提高内存使用的效率，甚至能在智能手机上运行诸如图像识别等任务。

十、neon。由创业公司nervana systems于今年五月开源，在某些基准测试中，由python和sass开发的neon的测试成绩甚至要优于caffeine、torch和谷歌的tensorflow。