MXNet Julia Package - Julia 中灵活高效的深度学习

https://github.com/dmlc/MXNet.jl

优点

• 快速地
• 可扩展到多 GPU 和具有自动并行性的分布式设置。
• 轻巧、高效、可移植到智能设备。
• 自动微分

缺点

• 还没有用于算法实现的低级操作。但他们正在解决这个问题（https://github.com/dmlc/mxnet/issues/586）

Mocha.jl - Mocha 是 Julia 的深度学习框架，灵感来自 C++ 框架 Caffe。

具有良好文档和示例的项目。可以在 CPU 和 GPU 后端运行。

只是添加一个更新的（2019 年）答案：Flux。

Flux is an elegant approach to machine learning. It's a 100% pure-Julia stack,
and provides lightweight abstractions on top of Julia's native GPU and
AD support. Flux makes the easy things easy while remaining fully hackable.

例如：

model = Chain(
  Dense(768, 128, σ),
  LSTM(128, 256),
  LSTM(256, 128),
  Dense(128, 10),
  softmax)

loss(x, y) = crossentropy(model(x), y)

Flux.train!(loss, data, ADAM(...))

截至 2016 年 10 月，还有一个用于 Julia 的 Tensorflow 包装器。