本周早一点的时分 Google 开源了 TensorFlow（GitHub），此举在深度学习范畴影响巨大，由于 Google 在AI范畴的研制成绩斐然，有着雄厚的人才储藏，并且 Google 自己的 Gmail 和搜索引擎都在运用自行研制的深度学习东西。

  无疑，来自 Google 军火库的 TensorFlow 必定是开源深度学习软件中的明星产品，登陆 GitHub 当天就成为最受重视的项目，当周取得评星数就轻松超越 1 万个。

  关于期望在运用中整合深度学习功用的开发者来说，GitHub 上其实还有许多不错的开源项目需求咱们来重视，首要咱们引荐现在规划人气最高的 TOP3：

  三、Torch。Torch 诞生已经有十年之久，可是真实起势得益于上一年 Facebook 开源了许多 Torch 的深度学习模块和扩展。Torch 别的一个特别之处是采用了不怎么盛行的编程言语 Lua（该言语曾被用来开发视频游戏）。

  除了以上三个很老练闻名的项目，还有许多有特征的深度学习开源结构也值得重视：

  四、Brainstorm。来自瑞士人工智能实验室 IDSIA 的一个十分发展前景很不错的深度学习软件包，Brainstorm 可处理上百层的超级深度神经网络所谓的公路网络Highway Networks。

  五、Chainer。 来自一个日本的深度学习勇于探索商业形式的公司 Preferred Networks，本年 6 月发布的一个 Python 结构。Chainer 的规划根据 define by run 准则，也就是说，该网络在运转中动态界说，而不是在启动时界说，这里有 Chainer 的具体文档。

  DeepLearning4j 是一个面向出产环境和商业运用的高老练度深度学习开源库，可与 Hadoop 和 Spark 集成，即插即用，便利开发者在 APP 中快速集成深度学习功用，可运用于以下深度学习范畴：

  七、Marvin。是普林斯顿大学视觉工作组新推出的 C++ 结构。该团队还供给了一个文件用于将 Caffe 模型转化成语 Marvin 兼容的形式。

  八、ConvNetJS。这是斯坦福大学博士生 Andrej Karpathy 开发浏览器插件，根据全能的 JavaScript 能够在你的游览器中练习神经网络。Karpathy 还写了一个 ConvNetJS 的入门教程，以及一个简练的浏览器演示项目。

  九、MXNet。出自 CXXNet、Minerva、Purine 等项目的开发者之手，主要用 C++ 编写。MXNet 着重进步内存运用的功率，乃至能在智能手机上运转比如图像识别等使命。

  提到功用，一切Linuxtorrent客户软件迥然不同。它们都会把指定的torrent下载到你挑选的任何目录中。这方面没有过多的差异，也没太多可议论的。它们之间仅有严重的不同之处在于，用户界面方面的纤细差异。下面是我在这里要比较的四款torrent客户软件：Transmission、Deluge、qBittorrent和Vuze。