开源neural network库
我正在寻找一个开源的neural network库。 到目前为止，我已经看过FANN，WEKA和OpenNN。 我应该看看其他人吗？ 当然，标准是文档，示例和易用性。
neural network的标准实现
- FANN是C / C ++中非常stream行的实现，并且具有许多其他语言的绑定。
- 我认为WEKA在neural network方面还没有很好的实现。 Java（和C＃）有一个更好的库： Encog 。
- 在scikit-learn（Python）0.18（当前的开发版本）中，将会实现前馈neural network（ API文档 ）。
- PyBrain （Python）包含不同types的neural network和训练方法。
- 而且我必须提到我自己的项目，叫做OpenANN （ 文档 ）。 它是用C ++编写的，有Python绑定。
深度学习
由于目前在neural network方面存在巨大的炒作（被称为“深度学习”），因此可能有许多研究图书馆可能不易于build立，整合和使用。 另一方面，它们提供领先的function和高性能（使用GPU等）。
基于Theano （Python）：
- 在我看来， Keras是这个类别中最好的：可用，强大，积极开发。 作为Theano的替代品，它可以使用Google的Tensorflow作为后端。
- 块
- 千层面
- Theanets
- scikit-neuralnetwork
- Pylearn 2 （不积极开发）
其他：
- Google的TensorFlow （C ++ / Python）
- C ++中的Caffe与Python绑定
- 氖提供非常有效的实现（Python）
- 火炬7的neural network （Lua，火炬7是一个“类似Matlab的环境”， 火炬机器学习algorithm的概述 ）
- Deeplearning4j （Java）
- mxnet （C ++，Python，R，Scala，Julia，Matlab，Javascript）
- Chainer （Python）
- MatConvNet （Matlab）
- PaddlePaddle ，带有Python绑定的CUDA / C ++
- CUDA / C ++中的cuda-convnet2与Python绑定
- Hebel （Python），不积极开发更多
- 使用Python绑定的Cuda / C ++ 11中的NNabla
GPU加速库的性能比较可以在这里find。
如果你想灵活地定义networkingconfiguration，比如共享参数或创build不同types的卷积体系结构，那么你应该看看Torch库的家族： http : //www.torch.ch/ 。
我还没有阅读火炬7的文档，但其他版本的文档是相当不错的，代码是非常可读的（在Lua和C ++中）。
你可以使用accord.net框架。 http://accord-framework.net/
它包含神经学习algorithm，如Levenberg-Marquardt，并行弹性反向传播，Nguyen-Widrow初始化algorithm，Deep Belief Networks和Restrictured Boltzmann Machines以及许多其他neural network相关的项目。
Netlab是一个常用的Matlab库。 （免费和开源）
Netlab工具箱旨在提供模拟理论上有根据的neural networkalgorithm和用于教学，研究和应用开发的相关模型所需的中心工具。 它在复杂系统math研究中被广泛地应用于理学硕士学位。
Netlab库包括各种数据分析技术的软件实现，其中许多在标准neural network仿真包中尚不可用。 networking工程与Matlab版本5.0和更高，但只需要核心Matlab（即没有其他工具箱是必需的）。 它与早期版本的Matlab不兼容。
