---

前言

做一下几个著名的深度学习的框架笔记

深度学习开发的基本框架：以计算图为框架的核心，采用GPU加速计算

---

一、Theano

特点：第一个python的深度学习框架，为学术研究而做

已退出历史舞台

---

二、Tensorflow

推出方： 谷歌

特点：基于计算图实现自动微分系统

优点：能打大型集群上工作，功能强大，支持各服务器和移动设备；支持包括python、R、java等语言

缺点：版本不兼容；系统设计复杂，总代码约100万行；一个功能有多种实现方式，质量良莠不齐；图静态，不利于扩展

github：https://github.com/tensorflow/tensorflow

---

三、MXNet

推出方： 亚马逊

优点：分布性能更优，占更小的内存和显存；支持包括python、R、java等语言；适合云平台

缺点：接口档案不完善，框架更新迭代快，代码更新速度跟不上

主页：https://mxnet.incubator.apache.org/

备注：不适合新手

---

四、keras

特点：高层神经网络API，纯python

优点：容易上手

缺点：封装过度，速度慢，debug难，灵活性低

备注：不适合新手学习

主页：https://keras.io

---

五、PyTorch

特点：python优先的深度学习框架，GPU加速

优点：社区活跃，保证可持续性；可扩展；动态图；简洁易用

主页：http://pytorch.org

---

六、Caffe

特点：基于C++的深度学习框架

优点：清晰易读，容易上手；

缺点：不能多机、跨平台、可扩展性差；需要安装大量依赖库，涉及版本冲突；

备注：升级版Caffe2优化了运行速度、跨平台、可扩展性，设计上与TensorFlow像

主页：Caffe: http://caffe.berkeleyvision.org
Caffe2: https://caffe2.ai

---

总结

比较常用的框架是TensorFlow和PyTorch.

ref：