對比主流深度學習框架

現在的主要的框架主要是呈以上的排名分部

tensorflow、theano、keras、lasagne、caffe、dsstne、torch、mxnet、dl4j、cognitive toolkit主要是有以上這十種框架。

是乙個基於資料流程式設計（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）演算法的程式設計實現，其前身是谷歌的神經網路演算法庫distbelief。

tensorflow是乙個相對高階的機器學習庫，使用者可以很方便快捷地使用tensorflow進行設計神經網路接構，而不用再去親自編寫**。同時它跟theano一樣支援自動求導使用者不用再進行反向傳播計算求解梯度（python則會比較消耗資源，並且執行效率不高）。

除了支援常見的網路結構[卷積神經網路（convolutional neural network，cnn）、迴圈神經網路（recurent neural network，rnn）]外，tensorflow還支援深度強化學習乃至其他計算密集的科學計算（如偏微分方程求解等）。

2、caffe

caffe是純粹的c++/cuda架構，支援命令列、python和matlab介面；可以在cpu和gpu直接無縫切換。

caffe的優勢：

上手快：模型與相應優化都是以文字形式而非**形式給出。caffe給出了模型的定義、最優化設定以及預訓練的權重，方便立即上手。

模組化：方便擴充套件到新的任務和設定上。可以使用caffe提供的各層型別來定義自己的模型。

社群好：可以通過bsd-2參與開發與討論。

3、keras

如果要進入這一領域，應該首先學習 python。儘管這一領域還支援其它很多語言，但 python 是應用範圍最廣而且最簡單的乙個。而且python的開發速度相對其他語言來講較快。

我的建議是，如果你是初學者，使用 keras，如果不是初學者，也可以使用它。如果你參加過 kaggle 比賽，你肯定注意到了 kaggle 的兩大巨星：keras 和 xgboost。