我猜 cnn 没有包，但你可以编写自己的卷积层。mxnet 或 h2o 将对它有用。

看一下这个：

http://dmlc.ml/rstats/2015/11/03/training-deep-net-with-R.html

R 中有以下 2 个包可用于深度神经网络训练：

1. darch：用于深度架构和受限玻尔兹曼机的软件包。darch 包是基于 GE Hinton 和 RR Salakhutdinov 的代码构建的（可在 Matlab 代码下用于深度信念网络）。该软件包用于生成具有多层（深度架构）的神经网络，使用常见的已知训练算法（如反向传播或共轭梯度）对其进行训练和微调。此外，监督微调可以通过 maxout 和 dropout 来增强，这两种最近开发的技术可以改善深度学习的微调。CRAN 链接：http ://cran.um.ac.ir/web/packages/darch/index.html

2. deepnet：R中的深度学习工具包。实现一些深度学习架构和神经网络算法，包括BP，RBM，DBN，Deep autoencoder等。CRAN 链接：https ://cran.r-project.org/web/packages/deepnet/index.html

如果您使用 R 编码，我认为 mxnet 是最好的选择之一。他们有一个R 包装器，但核心是 C++。

他们在网上有几个例子。其中之一是使用 MNIST 数据库进行字符识别。他们支持多 GPU 和 Spark。

MXNetR 包是用 C++ 编写的 MXNet 库的接口。它包含前馈神经网络和卷积神经网络 (CNN) (MXNetR 2016a)。

https://www.is.uni-freiburg.de/resources/r-oeffentlicher-zugriff/deep-learning-in-r/deep-learning-in-r-en?set_language=en