6. Tensorflow：
Tensor 门的 Python 库之一，也是 Google Brain 的第二代系统。它主要用 C++ 编写，包含 Python 绑定，性能无需担心。我最喜欢的特性之一是其灵活的架构，我可以使用相同的 API 将其部署到桌面、服务器或移动设备的一个或多个 CPU 或 GPU 上。没有多少库可以做到这一点。它是为 Google Brain 项目开发的，现在已被广泛使用。但是，您必须花一些时间来学习它的 API，但花费的时间是值得 顶级电子邮件列表 的。在试用核心功能的最初几分钟内，我已经可以发现 TensorFlow 可以让我花更多时间实现我的网络设计，而不是在 API 中挣扎。
如果您想了解有关 TensorFlow 和神经网络的更多信息，可以尝试参加像使用 TensorFlow 进行深度学习这样的课程，它不仅会教您有关 TensorFlow 的知识，还会教您许多深度学习技术。
7. Keras：
Keras 是一个开源库，用于在高层次接口上构建神经网络，它用 Python 编写。它简洁直观，具有高度的可扩展性。它使用 Theano 或 TensorFlow 和 CNTK 作为后端。Keras 是一个为人类而非机器设计的 API。它始终将用户体验放在首位。
Keras 遵循减少认知负荷的最佳实践：它提供一致且简洁的 API，最大限度地减少常见用例所需的用户操作数量，并在用户出错时提供清晰且可操作的反馈。模型可以理解为由独立、完全可配置的模块组成的序列或图，这些模块 互联网提供商Ufanet的特点可以尽可能少的限制组合在一起。神经层、成本函数、优化器、初始化方案、激活函数、正则化方案都是独立的模块，您可以组合它们来创建新的模型。新模块易于添加（以新的类和函数的形式），现有模块也提供了丰富的示例。轻松创建新模块的能力可以实现全面的表达能力，使 Keras 非常适合高级研究。
8.Pybrain：
PyBrain 是另一个顶级的 Python 数据科学库，旨在为机器学习任务提供灵活易用且功能强大的算法，并提供各种预定义 新加坡电话列表i环境来测试和比较算法。虽然市面上已有不少机器学习库，但 PyBrain 的目标是成为一个非常易于使用的模块化库，即使是入门级学生也能轻松上手。它之所以受欢迎，是因为其灵活性和适用于最前沿研究的算法。