1 深度学习工具汇总
(1) caffe ： 由BVLC开发的基于C++/CUDA/Python实现的卷积神经网络，提供了面向命令行、Matlab和Python的绑定接口。特性如下：
A 实现了前馈卷积神经网络(CNN)，不是递归网络结构(RNN) ；
B 速度快，利用MKL/OpenBLAS、cuBlas计算库，支持GPU加速 ;
C 适合特征提取，实际上适合做二维图像数据的特征提取 ;
caffe其他特性：
A 完全开源，遵循BSD-2协议 ;
B 提供了一整套工具集，可用于模型训练、预测、微调、发布、数据处理以及良好的自动测试 ;
C 自带一系列参考模型和快速上手例程 ;
D 国内外活跃的社区 ;
E 代码组织良好，可读性强 ;
(2) Torch : 使用lua及C/CUDA扩展模块实现，底层数值计算通过openMP/SSE/CUDA加速，容易接入第三方软件。内置软件包：torch/lab&plot/qt/nn/image/optim/unsup/third-party。
overfeat : 在ImageNet数据集中国使用Torch7训练的特征提取器，主要是实现图像识别、定位和检测的集成系统。
(3) MxNet ： 面向效率和灵活性设计的深度学习框架，支持多机和多卡分布式运行。
(4) Tensorflow ： 一个易购分布式系统的大规模机器学习框架，可移植性好，支持多种深度学习模型。
(5) Theano ：由LISA开发的基于python的深度学习框架，支持LR/MLP/AE/RBM等非监督学习方法。
(5) CNTK ：由微软推出的开源深度学习框架。
2 深度学习工具性能对比
各深度学习工具性能数据如下：
