1.TensorFlow
TensorFlow是谷歌基於DistBelief進行研發的第二代人工智能學習系統，其命名來源於本身的運行原理。Tensor（張量）意味着N維數組，Flow（流）意味着基於數據流圖的計算，TensorFlow爲張量從流圖的一端流動到另一端計算過程。TensorFlow是將複雜的數據結構傳輸至人工智能神經網中進行分析和處理過程的系統。
TensorFlow可被用於語音識別或圖像識別等多項機器深度學習領域，對2011年開發的深度學習基礎架構DistBelief進行了各方面的改進，它可在小到一部智能手機、大到數千臺數據中心服務器的各種設備上運行。TensorFlow將完全開源，任何人都可以用。
2.Caffe（卷積神經網絡框架）
caffe是一個清晰，可讀性高，快速的深度學習框架。作者是賈揚清，加州大學伯克利的ph.D，現就職於Facebook。caffe的官網是http://caffe.berkeleyvision.org/。
Caffe的優勢：
- 上手快：模型與相應優化都是以文本形式而非代碼形式給出。
Caffe給出了模型的定義、最優化設置以及預訓練的權重，方便立即上手。
- 速度快：能夠運行最棒的模型與海量的數據。
Caffe與cuDNN結合使用，測試AlexNet模型，在K40上處理每張圖片只需要1.17ms.
- 模塊化：方便擴展到新的任務和設置上。
可以使用Caffe提供的各層類型來定義自己的模型。
- 開放性：公開的代碼和參考模型用於再現。
- 社區好：可以通過BSD-2參與開發與討論。
3.Torch
Torch是一個有大量機器學習算法支持的科學計算框架，其誕生已經有十年之久，但是真正起勢得益於Facebook開源了大量Torch的深度學習模塊和擴展。Torch另外一個特殊之處是採用了編程語言Lua(該語言曾被用來開發視頻遊戲)。
Torch的優勢：
- 構建模型簡單
- 高度模塊化
- 快速高效的GPU支持
- 通過LuaJIT接入C
- 數值優化程序等
- 可嵌入到iOS、Android和FPGA後端的接口
4.Theano
2008年誕生於蒙特利爾理工學院，Theano派生出了大量深度學習Python軟件包，最著名的包括Blocks和Keras。
Theano的優勢：
- 集成NumPy-使用numpy.ndarray
- 使用GPU加速計算-比CPU快140倍（只針對32位float類型）
- 有效的符號微分-計算一元或多元函數的導數
- 速度和穩定性優化-比如能計算很小的x的函數log(1+x)的值
- 動態地生成C代碼-更快地進行計算
- 廣泛地單元測試和自我驗證-檢測和診斷多種錯誤
- 靈活性好
5.Deeplearning4j
DeepLearning4j是一個面向生產環境和商業應用的高成熟度深度學習開源庫，可與Hadoop和Spark集成，即插即用，方便開發者在APP中快速集成深度學習功能，可應用於以下深度學習領域：
- 人臉/圖像識別
- 語音搜索
- 語音轉文字（Speech to text）
- 垃圾信息過濾（異常偵測）
- 電商欺詐偵測