责任编辑如是说了主要包括 Python、Java、Haskell等其中的一连串C语言的广度自学库。
Python
Theano是一类用作采用有理数来表述和评估结果微积分抒发的 Python 库。它能让 Python 中广度自学演算法的撰写更加单纯。许多其它的别列济夫以 Theano 为此基础合作开发的：
Keras是类似于 Torch 的两个简化的，度模组化的微积分微积分模型库。Theano 在下层协助其强化 CPU 和 GPU 运转中的标量操作方式。
Pylearn2 是两个提及大批如乱数势能（Stochastic Gradient）这种的微积分模型和体能训练演算法的库。它在广度自学中被广为选用，那个库也是以 Theano 为此基础的。
Lasagne是两个轻量的库，它能在 Theano 中创建和体能训练微积分微积分模型。它单纯、透明化、模组化、新颖、良善而理智。
Blocks 是一类协助你在 Theano 其内创建微积分微积分模型微积分模型的架构。
Caffe是一类以TNUMBERBO34A、高速路和模组化为经营理念创建出来的广度自学架构。它是由康奈尔大学听觉和自学服务中心（BVLC）和网路上街道社区COBOL合作合作开发的。Google的 DeepDream 人工智慧绘图流程便是创建在 Caffe 架构其内。那个架构是两个 BSD 许可证的暗含 Python USB的 C++库。
nolearn包涵大批其它微积分微积分模型复本的包装袋器和抽象化（wrappers and abstractions），当中最更加重要的是 Lasagne，当中也包涵许多机器自学的新颖组件。
Genism 是两个布署在 Python C语言中的广度自学软件包，用作透过高效率的演算法处置小型文档集。
Chainer连接广度自学中的演算法与实现，它强劲、灵活而敏锐，是一类用作广度自学的灵活的架构。
deepnet 是一类如前所述 GPU 的广度自学演算法的 Python 实现，比如：前馈微积分微积分模型、受限玻尔兹曼机、广度信念网络、自编码器、广度玻尔兹曼机和卷积微积分微积分模型。
Hebel是两个在 Python 中用作暗含微积分微积分模型的广度自学的库，它透过 PyCUDA 采用暗含 CUDA 的 GPU 加速。它可实现大多数目前最重要的微积分微积分模型微积分模型，提供了多种不同的激活函数和体能训练方式，如动量，Nesterov 动量，退出（dropout）和 前期停止（early stopping）。
CXXNET是一类快速，简明的分布式广度自学架构，它以 MShadow 为此基础。它是轻量可扩展的 C++/CUDA 微积分微积分模型软件包，同时拥有友好的 Python/Matlab 界面，可供机器自学的体能训练和预测采用。
DeepPy 是一类创建在 Mumpy 其内的 Python 化的广度自学架构。
DeepLearning 是两个用 C++和 Python 合作开发的广度自学库。
Neon 是 Nervana 公司如前所述 Python 合作开发的广度自学架构。
C++
eblearn是两个机器自学的开源 C++库，由纽约大学机器自学实验室的 Yann LeCun 牵头研发。尤其是，按照 GUI、演示和教程来布署的暗含如前所述能量的微积分模型的卷积微积分微积分模型。
SINGA被设计用来进行已有系统中分布式体能训练演算法的普通实现。它由 Apache Software Foundation 提供支持。
NVIDIA DIGITS是两个新的用作合作开发、体能训练和可视化微积分微积分模型系统。它把广度自学放进了如前所述浏览器的界面中，让数据分析师和研究人员能快速设计最
Intel® Deep Learning Framework 为英特尔的平台提供了统一的架构来加速广度卷积微积分微积分模型。
Java
N-Dimensional Arrays for Java (ND4J)是一类为 JVM 设计的科学计算库。它们被应用在生产环境中，这就意味着路径被设计成能最小的 RAM 内存需求来快速运转。
Deeplearning4j 是第两个为 Java 和 Scala 撰写的消费级开元分布式广度自学库。它被设计成在商业环境中采用，而非研究工具。
Encog是一类先进的机器自学架构，支持支持向量机（Support Vector Machines），人工微积分微积分模型（Artificial Neural Networks），基因编程（Genetic Programming），贝叶斯网络（Bayesian Networks），隐马尔科夫微积分模型（Hidden Markov Models）和 遗传演算法（Genetic Algorithms）。
JavaScript
Convent.js是一类 Javascript 中用作广度自学微积分模型（主要是微积分微积分模型）的库。完全在浏览器中采用，不需要合作开发工具，不需要编译器，不需要安装，也不需要 GPU 的支持，单纯易用。
Lua
Torch 是一类科学计算架构，可支持多种计算机自学演算法。
Julia
Mocha用器的（可选的）无监督的预体能训练。其最大特点主要包括：暗含模组化架构、 高层面的USB、便携性与速度、兼容性等等。
Lisp
Lush（Lisp Universal Shell）是一类为研究人员、试验者以及对大规模数值和图形应用感兴趣的工程师设计的、面向对象的C语言。它暗含丰富的作为机器自学库一部分的广度自学库。
Haskell
DNNGraph 是两个用 Haskell 撰写的广度微积分微积分模型生成 DSL。
.NET
Accord.NET 是一类.NET 机器自学架构，包涵声音和绘图库，它完全由 C# 撰写。它是一类为合作开发生产级的计算机听觉、计算机听觉、信号处置和统计应用而设计的完整架构。
R
darch包能用作创建多层微积分微积分模型（深层结构）。当中的体能训练方式主要包括采用对比发散法进行提前体能训练，或采用通常的体能训练方法（如反向传播和共轭势能）进行许多微调。
deepnet 实现了许多广度自学架构和微积分微积分模型演算法，主要包括 BP、RBM、DBN、广度自编码器等等。
