最后更新时间：2019/01/07 （我将不时更新此答案...）

神经网络的简单实现

• FANN是C / C ++中非常流行的实现，并且具有许多其他语言的绑定。
• 我认为WEKA对于神经网络还没有很好的实现。有一个更好的Java（和C＃）库： Encog 。
• 在scikit-learn（Python）0.18（当前开发版本）中，将实现前馈神经网络（ API文档 ）。
• 我必须提到我自己的项目，该项目称为OpenANN （ 文档 ）。它是用C ++编写的，并具有Python绑定。

深度学习

由于神经网络目前非常流行（“深度学习”），因此有许多研究库可供使用。它们中的大多数易于设置，集成和使用。尽管不如上面提到的库那么容易。它们提供了领先的功能和高性能（使用GPU等）。这些库大多数还具有自动区分功能。您可以轻松地指定新的体系结构，损失函数等，而不必手动指定反向传播。

• 在我看来， Keras是同类产品中最好的：可用，功能强大且积极开发。它可以使用Tensorflow ， Theano和CNTK作为后端。
• 来自Google的TensorFlow （C ++ / Python）
• Microsoft的CNTK （Python培训/ C ++ / C＃/ Java / Python评估）
• 来自Berkeley视觉与学习中心的Caffe （具有C ++和Python绑定）
• 来自Facebook的PyTorch ，可以使用Python进行C / C ++扩展
• mxnet （C ++，Python，R，Scala，Julia，Matlab，Javascript）
• 基于Theano的块 （Python）
• Intel Nervana的Neon提供了非常有效的实现（Python）
• Deeplearning4j （Java）
• 链接器 （Python）
• MatConvNet （Matlab）
• 带有Python绑定的CUDA / C ++中的百度PaddlePaddle
• NNabla从索尼CUDA中/ C ++ 11与Python绑定

可以在此处找到GPU加速库的性能比较（不幸的是有些过时）。在这里可以找到GPU和库版本的比较。

无效：

• Theano （Python）及其高级API：
  • Pylearn 2
  • 茶花
  • scikit-神经网络
  • 千层面
• 带有Python绑定的CUDA / C ++中的cuda-convnet2
• Hebel （Python）
• 来自C ++的Facebook Caffe2 ，带有Python绑定；已与PyTorch一起加入
• Torch 7的神经网络 （Lua，Torch 7是“类似于Matlab的环境”， Torch中的机器学习算法概述 ）
• PyBrain （Python）包含不同类型的神经网络和训练方法。

您可以使用Accord.net框架。 http://accord-framework.net/

它包含神经学习算法，例如Levenberg-Marquardt，并行弹性反向传播，Nguyen-Widrow初始化算法，深度信念网络和受限玻尔兹曼机，以及许多其他与神经网络相关的项目。

Netlab是常用的Matlab库。 （免费和开源）

Netlab工具箱旨在提供必要的中央工具，用于仿真理论上建立良好的神经网络算法和相关模型，以用于教学，研究和应用程序开发。复杂系统数学研究在MSc中广泛使用它。

Netlab库包括各种数据分析技术的软件实现，其中许多在标准神经网络仿真程序包中尚不可用。 Netlab适用于Matlab 5.0版或更高版本，但只需要核心Matlab（即不需要其他工具箱）。它与Matlab的早期版本不兼容。

如果要灵活地定义网络配置（例如共享参数或创建不同类型的卷积体系结构），则应查看Torch库系列： http : //www.torch.ch/ 。

我还没有阅读过Torch 7的文档，但是其他版本的文档相当不错，并且代码非常易读（在Lua和C ++中）。