1、Theano
Theano作为成熟的深度学习库，它提供了不错的数据结构来表示神经网络的层，对线性代数来说效率更高，与Numpy的数组类似。它的API可能不是很直观，用户的学习曲线会很高。有很多基于Theano的库都在利用其数据结构。它同时支持开箱可用的GPU编程。
2、PyLearn2
PyLearn2是另外一个基于Theano的库，它给Theano引入了模块化和可配置性，你可以通过不同的配置文件来创建神经网络，这样尝试不同的参数会更容易，如果分离神经网络的参数和属性到配置文件，它的模块化能力更强大。
3、Nolearn
如果你想在深度学习中也能使用Scikit-learn库API，封装了Decaf的Nolearn会让你能够更轻松地使用它。它是对Decaf的包装，与Scikit-learn大部分都兼容，从而使得Decaf更不可思议。
4、Neurolab
NeuroLab是另一个API友好的神经网络库。与其他库不同，它包含递归神经网络实现的不同变体。如果你想使用RNN，这个库是同类API中值得的选择之一。
5、Decaf
Decaf是由UC Berkeley发布的深度学习库，在Imagenet分类挑战中测试发现，其神经网络实现是很先进的。
6、与其他语言集成
Python还有其他的一个强项，它是一个很棒的胶水语言，你可以使用自己常用的编程语言，通过Python来访问这些库。
相信通过以上的分析，对于Python深度学习会有一定的了解，想要更好的学习Python，深度学习自然前途是不可估量的，这也是非常重要的一部分。
