随着深度学习技术的逐步兴起，世界范围内支持深度学习的框架也如雨后春笋。那些各大学实验室制作出来的不出名的小项目就不必提了，单说现在在业界使用比较普遍的框架就有TensorFlow、Caffe、Theano、Torch等不下十种。
TensorFlow
TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU）、服务器、移动设备等。
Caffe
卷积神经网络框架，专注于卷积神经网络和图像处理，是用C++语言写成的，执行速度非常快。
Chainer
一个强大、灵活、直观的机器学习Python软件库，能够在一台机器上利用多个GPU，由深度学习创业公司Preferred Networks开发，在Github上有相当数量的项目；Chainer的设计基于“define by run”原则，也就是说，该网络在运行中动态定义，而不是在启动时定义，这也是该框架的一大亮点。
CNTK
CNTK（Computational Network ToolKit）是微软研究人员开发的用于深度神经网络和多GPU加速技术的完整开源工具包。微软称CNTK在语音和图像识别方面，比谷歌的TensorFlow等其他深度学习开源工具包更有优势。
Deeplearning4j
专注于神经网络的Java库，可扩展并集成Spark、Hadoop和其他基于Java的分布式集成软件。
Nervana Neo
是一个高效的Python机器学习库，它能够在单个机器上使用多个GPU。
Theano
是一个用Python编写的极其灵活的Python机器学习库，用它定义复杂的模型相当容易，因此它在研究中极其流行。
Torch
是一个专注于GPU实现的机器学习库，得到了像Facebook、谷歌、Twitter这样的大公司的研究团队的支持。
