列表源自http:///software_links/，本文進(jìn)行分類整理,。
星號代表對軟件庫的推薦度，考慮了適用范圍,、開發(fā)語言,、更新情況、文檔示例完整性等方面,，Just personal opinion,。
根據(jù)編程語言，對深度學(xué)習(xí)的軟件資源分類：

PYTHON：

★★★★★ 五星Theano – CPU/GPU 符號表示編譯器in python (from LISA lab at University of Montreal)  
相關(guān)資源：
Deep Learning Tutorials – 使用Theano實(shí)現(xiàn)深度學(xué)習(xí)的示例 (from LISA lab at University of Montreal)
Pylearn2 - Pylearn2是一個(gè)機(jī)器學(xué)習(xí)庫,，功能建立在Theano之上.
Gnumpy 是一個(gè)Python模塊,，提供與numpy相似的接口,，使用GPU進(jìn)行計(jì)算，運(yùn)行于cudamat之上.
cudamat 是一個(gè)基于GPU的矩陣庫,，包括訓(xùn)練Neural Networks and Restricted Boltzmann Machines的示例代碼,。
3-way factored RBM andmcRBM 是Python代碼，調(diào)用CUDAMat用于為自然圖像訓(xùn)練模型(fromMarc’Aurelio Ranzato).
mPoT 是Python代碼,，調(diào)用CUDAMat和gnumpy用于為自然圖像訓(xùn)練模型 (fromMarc’Aurelio Ranzato).


MATLAB：

★★★★★ 五星
DeepLearnToolbox – A Matlab toolbox for Deep Learning (from Rasmus Berg Palm)
Matlab code for training conditional RBMs/DBNs andfactored conditional RBMs (fromGraham Taylor).
★★★★ 四星
Deep Belief Networks. Matlab代碼用于學(xué)習(xí)深度信念網(wǎng)絡(luò)(Deep Belief Networks) (from Ruslan Salakhutdinov).
Estimating Partition Functions of RBM’s. Matlab代碼用于使用退火重要性采樣(Annealed Importance Sampling)估計(jì)Restricted Boltzmann Machines的剖分函數(shù)(the partition function)   (from Ruslan Salakhutdinov).
Learning Deep Boltzmann MachinesMatlab代碼用于訓(xùn)練與微調(diào)Deep Boltzmann Machines (from Ruslan Salakhutdinov).
★★★ 三星
matrbm. Ruslan Salakhutdinov’s代碼的簡化版本, by Andrej Karpathy (Matlab).

C++：

★★★ 三星
Cuda-Convnet –一個(gè)快速的卷積(或更一般地,，前向式feed-forward)神經(jīng)網(wǎng)絡(luò)的C++/CUDA實(shí)現(xiàn)?？捎糜诮rbitrary layer connectivity and network depth. Any directed acyclic graph of layers will do. Training is done using the back-propagation algorithm.
★★★★★ 五星
Eblearn 是 C++機(jī)器學(xué)習(xí)庫,，BSD許可證，用于基于能量的學(xué)習(xí)(energy-based learning),卷積網(wǎng)絡(luò)(convolutional networks), 視覺/識別應(yīng)用(vision/recognition applications)等,。EBLearn最初由Pierre Sermanet at NYU維護(hù),。
★★★ 三星
The CUV Library (githublink) 是一個(gè)C++庫，包括python綁定,，易于操作Nvidia CUDA矩陣函數(shù),。包括一個(gè)RBM實(shí)現(xiàn)，退火重要性采樣代碼( annealed importance sampling),，以及精確計(jì)算剖分函數(shù)(the partition function)的代碼 (fromAIS lab at University of Bonn).


LUSH：
★★ 兩星
Eblearn.lsh 是基于 LUSH的機(jī)器學(xué)習(xí)庫,，用于實(shí)現(xiàn)基于能量的學(xué)習(xí)(Energy-Based Learning). 它包括 “Predictive Sparse Decomposition” 的代碼以及其他非監(jiān)督學(xué)習(xí)的sparse auto-encoder methods.Koray Kavukcuoglu在其主頁上提供多篇深度學(xué)習(xí)相關(guān)論文的Eblearn代碼。
相關(guān)資源：
LUSH 編程語言及開發(fā)環(huán)境, 用于@ NYU 開發(fā)深度卷積網(wǎng)絡(luò),。LUSH全稱是Lisp Universal Shell,，Wiki上有介紹。



LUA：

★★★★★ 五星
Torch – 提供與Matlab相似的環(huán)境,，用于最新的機(jī)器學(xué)習(xí)算法,。(from Ronan Collobert, Clement Farabet and Koray Kavukcuoglu)



推薦從Theano的Tutorials開始學(xué)習(xí)，若更關(guān)注算法效率,，推薦Eblearn和Torch7,，尤其是后者，值得一試,。