俗話說：工欲善其事，必先利其器(qi)!在(zai)開始深度學(xue)習之前，選(xuan)擇一(yi)個(ge)合適(shi)的框架，不僅讓你(ni)贏在(zai)起跑(pao)線，更能夠令你(ni)事半功倍(bei)。

　　話(hua)不多說，接下(xia)來小課給大家介(jie)紹(shao)介(jie)紹(shao)目前市面上(shang)流行(xing)的幾款深度學習框架(jia)!

Caffe

　　和TensorFlow名(ming)氣一(yi)樣大的(de)是(shi)深度(du)學(xue)(xue)(xue)習框架Caffe，由(you)加州大學(xue)(xue)(xue)伯克利(li)的(de)Phd賈揚(yang)清開發，全稱是(shi)Convolutional Architecture for Fast Feature Embedding，是(shi)一(yi)個清晰(xi)而高效的(de)開源深度(du)學(xue)(xue)(xue)習框架，目(mu)前由(you)伯克利(li)視覺學(xue)(xue)(xue)中心(Brekeley Vision and Learning Center)進行維護。

　　從其名(ming)字就(jiu)可以看(kan)出(chu)它(ta)對卷積網絡的(de)(de)支持特別好，同時也是用C++寫(xie)的(de)(de)，但是并沒有提供Python接(jie)口(kou)(kou)，只(zhi)提供C++的(de)(de)接(jie)口(kou)(kou)。

　　Caffe之(zhi)所(suo)(suo)以流行，是因為之(zhi)前很多ImageNet比賽里(li)面(mian)使(shi)用(yong)的網絡都是用(yong)Caffe寫(xie)的，所(suo)(suo)以如果(guo)你想使(shi)用(yong)這(zhe)(zhe)些比賽里(li)面(mian)的網絡模型就只能(neng)使(shi)用(yong)Caffe，這(zhe)(zhe)也就導致(zhi)了很多人直接轉(zhuan)到Caffe這(zhe)(zhe)個框架下面(mian)。

　　Caffe的缺點是(shi)不夠靈活，同(tong)時內存占(zhan)用高，只(zhi)提供C++接口(kou)。目前Caffe的升級版本Caffe2已經(jing)開源了，修復了一(yi)(yi)些(xie)問題，同(tong)時工程(cheng)水平得(de)到了進一(yi)(yi)步提供。

TensorFlow

　　Google開源(yuan)的(de)(de)TensorFlow，這是一款使(shi)用(yong)(yong)C++語言開發(fa)的(de)(de)開源(yuan)數(shu)學(xue)計(ji)(ji)算(suan)軟件，使(shi)用(yong)(yong)數(shu)據(ju)流圖(tu)(Data Flow Graph)的(de)(de)形式(shi)進行(xing)計(ji)(ji)算(suan)。圖(tu)中(zhong)的(de)(de)節(jie)點代表數(shu)學(xue)運算(suan)，而圖(tu)中(zhong)的(de)(de)線條標(biao)識(shi)多(duo)維數(shu)據(ju)數(shu)組(tensor)之間的(de)(de)交互(hu)。TensorFlow靈(ling)活的(de)(de)架構可以部署在一個(ge)或(huo)多(duo)個(ge)CPU、GPU的(de)(de)臺式(shi)及(ji)服(fu)務器中(zhong)，或(huo)者使(shi)用(yong)(yong)單(dan)一的(de)(de)API應(ying)用(yong)(yong)在移(yi)動設備(bei)中(zhong)。TensorFlow初是由研究人員和Google Brain團隊(dui)針對(dui)機(ji)器學(xue)習(xi)和深(shen)度(du)神經網(wang)絡進行(xing)研究而開發(fa)的(de)(de)，目前開源(yuan)之后(hou)幾乎可以在各種領域(yu)使(shi)用(yong)(yong)。

　　目前(qian)TensorFlow是(shi)全世界(jie)使(shi)用(yong)人數多(duo)、社區為龐大的(de)一(yi)個框(kuang)架(jia)，因(yin)為Google公(gong)司(si)出品，所有(you)(you)維護和(he)(he)更新也(ye)(ye)比較頻繁(fan)，并且有(you)(you)著Python和(he)(he)C++的(de)接口(kou)，教程(cheng)也(ye)(ye)非常完(wan)善。同時(shi)很多(duo)論文(wen)復現的(de)第一(yi)個版本都是(shi)基于TensorFlow寫的(de)，所以是(shi)深度學習界(jie)框(kuang)架(jia)默(mo)認(ren)的(de)老(lao)大。

　　由于其語言太過于底層，目前有很多基(ji)于TensorFlow的(de)第三方抽象(xiang)庫(ku)將TensorFlow的(de)函數進行(xing)封裝，使其變得簡(jian)潔(jie)。目前比較有名(ming)的(de)幾個是(shi)Keras、Tflearn、tfslim以及TensorLayer。

Theano

　　Theano于(yu)2008年(nian)誕生(sheng)于(yu)蒙特(te)利爾理(li)工學(xue)(xue)校，其派生(sheng)出(chu)來大(da)(da)量深(shen)度(du)學(xue)(xue)習(xi)(xi)Python軟件(jian)包(bao)，著(zhu)名的包(bao)括Blocks和(he)Keras。Theano的核心是(shi)(shi)一(yi)個(ge)(ge)數學(xue)(xue)表達式(shi)的編(bian)譯器，他知道(dao)如(ru)何獲(huo)取你的結(jie)構，并使之成(cheng)為一(yi)個(ge)(ge)使用numpy、高效(xiao)本地(di)(di)庫的高效(xiao)代碼(ma)，如(ru)BLAS和(he)本地(di)(di)代碼(ma)(C++)，在CPU或(huo)GPU上盡可能快地(di)(di)運(yun)行。它是(shi)(shi)為深(shen)度(du)學(xue)(xue)習(xi)(xi)中處理(li)大(da)(da)型神經網絡算法所學(xue)(xue)的計算而專門(men)設計的，是(shi)(shi)這類庫的首(shou)創之一(yi)(發展始于(yu)2007年(nian))，被認為是(shi)(shi)深(shen)度(du)學(xue)(xue)習(xi)(xi)研究(jiu)和(he)開發的行業(ye)標準。

　　但目前(qian)開發Theano的研(yan)究人員大多去了(le)Google參與(yu)TensorFlow的開發，所以從某種程(cheng)度(du)來講(jiang)TensorFlow就像是(shi)Theano的孩子。

Torch

　　Torch是一(yi)個(ge)有(you)(you)大(da)(da)量機器學(xue)習算法支持的科學(xue)計算框(kuang)架(jia)，其誕生已經有(you)(you)十年(nian)之(zhi)久，但真正起勢得益(yi)于(yu)Facebook開源了(le)大(da)(da)量的Torch的深(shen)度學(xue)習模塊和擴(kuo)展。Torch的特(te)點在于(yu)特(te)別靈活，但是另外(wai)一(yi)個(ge)特(te)殊之(zhi)處是采用Lua，在目前深(shen)度學(xue)習大(da)(da)部(bu)分以(yi)Python為編(bian)程(cheng)語言(yan)的大(da)(da)環境之(zhi)下，一(yi)個(ge)以(yi)Lua為編(bian)程(cheng)語言(yan)的框(kuang)架(jia)有(you)(you)著更多的劣(lie)勢，這一(yi)小眾(zhong)語言(yan)增加(jia)了(le)學(xue)習使用Torch這個(ge)框(kuang)架(jia)的成本。

　　PyTorch的前身便是(shi)Torch，其底層和Torch框架一樣，但是(shi)使用Python重寫(xie)了很多內(nei)容，不僅(jin)更加(jia)靈(ling)活，支持動態圖，也提供了Python接口(kou)。

PyTorch

　　PyTorch是由Torch7團隊開(kai)發的，從名字就(jiu)可(ke)以看出，它(ta)跟Torch的不(bu)(bu)同(tong)之處在(zai)于PyTorch使用了Python作為開(kai)發語言(yan)。所謂“Python first”，同(tong)樣說明它(ta)是一個以Python優先的深度學習框(kuang)架，不(bu)(bu)僅能夠實現(xian)(xian)強大的GPU加速，同(tong)時還支持(chi)動態神經網絡，這是現(xian)(xian)在(zai)很多駐留框(kuang)架比如TensorFlow等都不(bu)(bu)支持(chi)的。

　　PyTorch既可以看(kan)做加入了GPU支持的(de)numpy，同時也可以看(kan)成一個擁有自(zi)動(dong)求導功能的(de)強大(da)的(de)深度神經網絡。

　　特點

　　PyTorch有以下特點：

　　支持GPU

　　動態神(shen)經網絡(luo)

　　Python優先

　　命(ming)令(ling)式體驗(yan)

　　輕松擴展

MXNet

　　MXNet的(de)主要作者(zhe)是李沐，早(zao)就是幾(ji)個人(ren)抱著純(chun)粹對技術和開(kai)發的(de)熱(re)情做起(qi)來的(de)興趣項目，如今成為了(le)亞(ya)馬遜的(de)官(guan)方框架，有(you)著非常好的(de)分(fen)布式支持，而且(qie)性能(neng)特別好，占用顯(xian)存(cun)低，同時其(qi)開(kai)發的(de)語(yu)言接口不僅僅有(you)Python和C++，還(huan)有(you)R、MATLAB、Scala、JavaScript等等，可以說能(neng)夠(gou)滿足使用任何(he)語(yu)言的(de)人(ren)。

　　但MXNet的(de)缺點也很(hen)明顯，教程不(bu)夠(gou)完(wan)善，使用的(de)人不(bu)夠(gou)多導致社區(qu)不(bu)大，同時每年(nian)很(hen)少有比賽和論文是基于MXNet實現的(de)，這就使得MXNet的(de)推廣(guang)力度和知名(ming)度不(bu)高(gao)。

除(chu)了上(shang)述介(jie)紹的框架，目前流行的深度學習框架還有(you)很(hen)多(duo)很(hen)多(duo)，如Apache MXnet、Microsoft Cognitive Toolkit、DeepLearning4J等等。

　　研(yan)(yan)究(jiu)者們使用各種(zhong)不同(tong)的(de)(de)框架來達到不同(tong)的(de)(de)研(yan)(yan)究(jiu)目的(de)(de)，很難(nan)說哪種(zhong)好(hao)哪種(zhong)不好(hao)。這也從側面印證了深度(du)學習領(ling)域(yu)真的(de)(de)是萬(wan)紫千紅(hong)、百花齊放。相信(xin)通過(guo)我(wo)的(de)(de)介紹，讓你對深度(du)學習的(de)(de)框架做(zuo)到心中有數，能夠選擇好(hao)自己(ji)手中的(de)(de)格斗(dou)武器。