深度学习较著名软件框架、库

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。 [1]

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。 [1]

下表比较了用于深度学习的著名软件框架、库和计算机程序。

Deep-learning software by name

软件	Apache MXNet	Apache SINGA	BigDL	Caffe
创建者	Apache Software Foundation	Apache Software Foundation	Jason Dai (Intel)	Berkeley Vision and Learning Center
初始版本	2015	2015	2016	2013
软件许可证	Apache 2.0	Apache 2.0	Apache 2.0	BSD
开源	Yes	Yes	Yes	Yes
平台	Linux, macOS, Windows,^[37][38]^AWS, Android,^[39]^iOS, JavaScript^[40]^	Linux, macOS, Windows	Apache Spark	Linux, macOS, Windows^[2]^
编写语言	Small C++ core library	C++	Scala	C++
接口	C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl, Clojure	Python, C++, Java	Scala, Python	Python, MATLAB, C++
OpenMP 支持	Yes	No		Yes
OpenCL 支持	On roadmap[41]	Supported in V1.0		Under development[3]
CUDA 支持	Yes	Yes	No	Yes
自动分化	Yes[42]	?		Yes
预训练模型	Yes[43]	Yes	Yes	Yes[4]
RNN	Yes	Yes	Yes	Yes
CNN	Yes	Yes	Yes	Yes
RBM/DBNs	Yes	Yes		No
并行执行(多节点)	Yes[44]	Yes		?
积极发展	Yes			No[5]

软件	Chainer	Deeplearning4j	Dlib	Flux
创建者	Preferred Networks	Skymind engineering team; Deeplearning4j community; originally Adam Gibson	Davis King	Mike Innes
初始版本	2015	2014	2002	2017
软件许可证	BSD	Apache 2.0	Boost Software License	MIT license
开源	Yes	Yes	Yes	Yes
平台	Linux, macOS	Linux, macOS, Windows, Android (Cross-platform)	Cross-platform	Linux, MacOS, Windows (Cross-platform)
编写语言	Python	C++, Java	C++	Julia
接口	Python	Java, Scala, Clojure, Python (Keras), Kotlin	C++	Julia
OpenMP 支持	No	Yes	Yes
OpenCL 支持	No	No[7]	No
CUDA 支持	Yes	Yes^[8][9]^	Yes	Yes
自动分化	Yes	Computational Graph	Yes	Yes
预训练模型	Yes	Yes[10]	Yes	Yes[12]
RNN	Yes	Yes	No	Yes
CNN	Yes	Yes	Yes	Yes
RBM/DBNs	No	Yes	Yes	No
并行执行(多节点)	Yes	Yes[11]	Yes	Yes
积极发展	No[6]			Yes