以下列舉了基於10種語言實現的30餘種機器學習/深度學習框架，其中比較常用的有Theano、Keras、Caffe、TensorFlow等。

Python

• Theano 是一種用於使用數列來定義和評估數學表達的 Python 庫。它可以讓 Python 中深度學習演算法的編寫更為簡單。很多其他的庫是以 Theano 為基礎開發的：

  • Keras 是類似 Torch 的一個精簡的，高度模組化的神經網路庫。Theano 在底層幫助其優化 CPU 和 GPU 執行中的張量操作。
  • Pylearn2 是一個引用大量如隨機梯度（Stochastic Gradient）這樣的模型和訓練演算法的庫。它在深度學習中被廣泛採用，這個庫也是以 Theano 為基礎的。
  • Lasagne 是一個輕量級的庫，它可以在 Theano 中建立和訓練神經網路。它簡單、透明、模組化、實用、專一而剋制。
  • Blocks 是一種幫助你在 Theano 之上建立神經網路模型的框架。

• Caffe 是一種以表達清晰、高速和模組化為理念建立起來的深度學習框架。它是由伯克利視覺和學習中心（BVLC）和網上社群貢獻者共同開發的。谷歌的 DeepDream 人工智慧影象處理程式正是建立在 Caffe 框架之上。這個框架是一個 BSD 許可的帶有 Python 介面的 C++庫。

• nolearn 包含大量其他神經網路庫中的包裝器和抽象（wrappers and abstractions），其中最值得注意的是 Lasagne，其中也包含一些機器學習的實用模組。

• Genism 是一個部署在 Python 程式語言中的深度學習工具包，用於通過高效的演算法處理大型文字集。

• Chainer 連線深度學習中的演算法與實現，它強勁、靈活而敏銳，是一種用於深度學習的靈活的框架。

• deepnet 是一種基於 GPU 的深度學習演算法的 Python 實現，比如：前饋神經網路、受限玻爾茲曼機、深度信念網路、自編碼器、深度玻爾茲曼機和卷積神經網路。

• Hebel 是一個在 Python 中用於帶有神經網路的深度學習的庫，它通過 PyCUDA 使用帶有 CUDA 的 GPU 加速。它可實現大多數目前最重要的神經網路模型，提供了多種不同的啟用函式和訓練方式，如動量，Nesterov 動量，退出（dropout）和 前期停止（early stopping）。

• CXXNET 是一種快速，簡明的分散式深度學習框架，它以 MShadow 為基礎。它是輕量級可擴充套件的 C++/CUDA 神經網路工具包，同時擁有友好的 Python/Matlab 介面，可供機器學習的訓練和預測使用。

• DeepPy 是一種建立在 Mumpy 之上的 Python 化的深度學習框架。

• DeepLearning 是一個用 C++和 Python 開發的深度學習庫。

• Neon 是 Nervana 公司基於 Python 開發的深度學習框架。

C++

• eblearn 是一個機器學習的開源 C++庫，由紐約大學機器學習實驗室的 Yann LeCun 牽頭研發。尤其是，按照 GUI、演示和教程來部署的帶有基於能量的模型的卷積神經網路。

• SINGA 被設計用來進行已有系統中分散式訓練演算法的普通實現。它由 Apache Software Foundation 提供支援。

• NVIDIA DIGITS 是一個新的用於開發、訓練和視覺化神經網路系統。它把深度學習放進了基於瀏覽器的介面中，讓資料分析師和研究人員可以快速設計最好的深度學習神經網路（DNN）來獲取實時的網路行為視覺化資料。

Java

• N-Dimensional Arrays for Java (ND4J) 是一種為 JVM 設計的科學計算庫。它們被應用在生產環境中，這就意味著路徑被設計成可以最小的 RAM 記憶體需求來快速執行。

• Deeplearning4j 是第一個為 Java 和 Scala 編寫的消費級開源分散式深度學習庫。它被設計成在商業環境中使用，而非研究工具。

• Encog 是一種先進的機器學習框架，支援支援向量機（Support Vector Machines），人工神經網路（Artificial Neural Networks），基因程式設計（Genetic Programming），貝葉斯網路（Bayesian Networks），隱馬爾科夫模型（Hidden Markov Models）和 遺傳演算法（Genetic Algorithms）。

JavaScript

• Convent.js 是一種 Javascript 中用於深度學習模型（主要是神經網路）的庫。完全在瀏覽器中使用，不需要開發工具，不需要編譯器，不需要安裝，也不需要 GPU 的支援，簡單易用。

Lua

• Torch 是一種科學計算框架，可支援多種計算機學習演算法。

Julia

• Mocha 用於 Julia 的一種深度學習框架，其靈感來源於 C++框架 Caffe。在 Mocha 中通用的隨機梯度求解器和公共層的有效實現可以被用於訓練深度/淺層（卷積）神經網路，其帶有通過（堆疊的）自動解碼器的（可選的）無監督的預訓練。其最大特點包括：帶有模組化架構、 高層面的介面、便攜性與速度、相容性等等。

Lisp

• Lush（Lisp Universal Shell）是一種為研究人員、試驗者以及對大規模數值和圖形應用感興趣的工程師設計的、面向物件的程式語言。它帶有豐富的作為機器學習庫一部分的深度學習庫。

Haskell

• DNNGraph 是一個用 Haskell 編寫的深度神經網路生成 DSL。

.NET

• Accord.NET 是一種.NET 機器學習框架，包含聲音和影象處理庫，它完全由 C#編寫。它是一種為開發生產級的計算機視覺、計算機聽覺、訊號處理和統計應用而設計的完整框架。

R

• darch包可以用於建立多層神經網路（深層結構）。其中的訓練方式包括使用對比發散法進行提前訓練，或使用通常的訓練方法（如反向傳播和共軛梯度）進行一些微調。

• deepnet 實現了一些深度學習架構和神經網路演算法，包括 BP、RBM、DBN、深度自編碼器等等。