如何建立一个深度学习系统

Deep Learning

http://en.wikipedia.org/wiki/Deep_learning

http://deeplearning.net/

http://deeplearning.net/software/theano  THEANO - CPU / GPU在python（从LISA实验室在蒙特利尔大学的符号表达式编译）

https://github.com/lisa-lab/pylearn2  Pylearn2 - Pylearn2是一个库设计，使机器学习研究容易。

http://www.torch.ch/  火炬 -提供一个Matlab环境，国家的最先进的机器学习算法，在lua（，罗南Collobert克莱门特Farabet和科瑞Kavukcuoglu的）

http://deeplearning.net/tutorial  深学习教程 -如何做深与THEANO学习（LISA实验室在蒙特利尔大学的例子）

https://github.com/rasmusbergpalm/DeepLearnToolbox  DeepLearnToolbox - Matlab工具箱进行深入学习（由拉斯穆斯伯格棕榈）

http://code.google.com/p/cuda-convnet/  CUDA-Convnet -一个快速的C + + / CUDA实现的卷积（或更一般地，前馈）神经网络。它可以模拟任意层连通性和网络深度。会做任何有向无环图层。使用反向传播算法进行培训。

http://www.cs.toronto.edu/~hinton/MatlabForSciencePaper.html  深信念网络。Matlab代码学习的深层信念网络（从鲁斯兰Salakhutdinov）。

http://code.google.com/p/matrbm/  matrbm。简体版本的鲁斯兰Salakhutdinov的代码，由安德烈Karpathy（MATLAB）。

http://www.cs.toronto.edu/~rsalakhu/rbm_ais.html  估计RBM的分区功能。Matlab代码限制玻尔兹曼机采用退火重要性采样（从鲁斯兰Salakhutdinov）分区函数估计。

http://web.mit.edu/~rsalakhu/www/DBM.html  深玻尔兹曼机 Matlab代码学习培训和微调深玻尔兹曼机（从鲁斯兰Salakhutdinov）。

http://lush.sourceforge.net/  在郁郁葱葱的编程语言和开发环境，它是用来@ NYU深卷积网络

http://cs.nyu.edu/~koray/wp/?page_id=29  Eblearn.lsh是一个郁郁葱葱的基于机器学习库做能源为基础的学习。它包括“预测稀疏分解”等稀疏的自动编码器无监督学习方法的代码。科瑞Kavukcuoglu的，几个深学习这个页面上的论文提供Eblearn代码。

http://eblearn.sourceforge.net/index.shtml  Eblearn是一个C + +学习机库采用BSD许可证能源为基础的学习，卷积网络，视觉/识别应用，等等。EBLearn主要是维持由皮埃尔Sermanet的纽约大学。

http://code.google.com/p/cudamat/  cudamat是基于GPU的矩阵为Python库。训练神经网络和受限玻尔兹曼机的示例代码。

http://www.cs.toronto.edu/~tijmen/gnumpy.html  Gnumpy是一个Python模块接口numpy的几乎相同的方式，但它在您的计算机的GPU的计算。它运行在cudamat。

http://www.ais.uni-bonn.de/deep_learning/downloads.html  CUV图书馆（github的链接）是一个C + +框架与NVIDIA CUDA矩阵功能，便于使用的python绑定。它包含RBM实施，以及退火重要性的采样代码和代码精确计算分区功能（从AIS实验室波恩大学）。

http://www.cs.toronto.edu/~ranzato/publications/factored3wayRBM/code/factored3wayBM_04May2010.zip http://www.cs.toronto.edu/~ranzato/publications/mcRBM/code/mcRBM_04May2010.zip  3方式的因素RBM和mcRBM的的 Python代码，调用CUDAMat训练模型的自然图像（从Marc'Aurelio Ranzato）。

http://www.cs.nyu.edu/~gwtaylor/publications/nips2006mhmublv/code.html   http://www.cs.nyu.edu/~gwtaylor/publications/icml2009/code/ http://www.cs.nyu.edu/~gwtaylor/  Matlab代码的训练条件RBMS / DBN模型并考虑有条件RBMS的（从格雷厄姆·泰勒）。

http://www.cs.toronto.edu/~ranzato/publications/mPoT/mPoT.html   http://www.cs.toronto.edu/~ranzato  MPOT是的Python代码，使用CUDAMat和gnumpy训练模型的自然图像（从Marc'Aurelio Ranzato）。