Theano
Theano不仅是本文将要讨论的其他框架的基础库，更是一个强大的工具。它支持从简单的logistic回归到复杂的模型构建，如生成音乐和弦序列，以及使用LSTM对电影收视率进行分类。Theano的代码主要使用Cython编写，能够编译成本地可执行文件，从而显著提升运行速度。此外，Theano集成了许多优化功能，能够自动优化计算量并降低运行时间。其支持在GPU上运行，通过简单配置文件即可切换到CUDA执行，无需修改代码。Pylearn2
Pylearn2由Theano的开发团队开发，是一个机器学习库，专注于深度学习和人工智能研究中的常用模型和算法，如随机梯度下降。它将神经网络模型和训练算法封装成一个实验包，用户可以通过YAML配置文件定义和训练模型。Pylearn2还提供了许多预编译的数据集，如MNIST，方便用户直接使用进行实验。Blocks
Blocks是一个高度模块化的框架，基于Theano，旨在帮助用户构建复杂的神经网络。其主要功能包括构建参数化的Theano操作（称为“bricks”）、在大型模型中使用模式匹配选择变量和“bricks”、算法优化、训练模型的保存与恢复、训练过程中的数据分析、图形变换（如dropout）等。Keras
Keras是一个简洁、高度模块化的神经网络库，设计灵感来自Torch，基于Theano和Python编写，支持GPU和CPU。其开发目标是提供一个快速实验和创造深度学习模型的工具。Keras适合需要以下功能的用户：1.快速构建和验证模型 prototype
2.支持卷积网络和递归网络，以及两者的组合3.支持多输入多输出训练4.简洁明了的编码风格Keras将所有核心功能封装在小类中，便于组合和创建全新的模型架构。