《深度学习之TensorFlow入门、原理与进阶实战》—1.4 其他深度学习框架特点及介绍

1.4  其他深度学习框架特点及介绍

　　下面再来了解一下深度学习领域中的其他常见框架。

* Theano：是一个十余年的Python深度学习和机器学习框架，用来定义、优化和模拟数学表达式计算，用于高效地解决多维数组的计算问题，有较好的扩展性。

* Torch：同样具有很好的扩展性，但某些接口不够全面，如WGAN-GP这样的网络需要手动来修改梯度就没有对应的接口。其最大的缺点是，需要LuaJIT的支持，用于Lua语言，在Python为王的今天，通用性方面显得较差。

* Keras：可以理解为一个Theano框架与TensorFlow前端的一个组合。其构建模型的API调用方式逐渐成为主流，包括TensorFlow、CNTK、MXNet等知名框架，都提供对Keras调用语法的支持。可以说，使用Keras编写的代码，会有更好的可移值性。

* DeepLearning4j：是基于Java和Scala语言开发的，应用在Hadoop和Spark系统之上的深度学习软件。

* Caffe：当年深度学习的老大。最初是一个强大的图像分类框架，是最容易测试评估性能的标准深度学习框架，并且提供很多预训练模型，尤其该模型的复用价值在其他框架的学习中都会出现，大大提升了现有模型的训练时间。但是现在的Caffe似乎停滞不前，没有更新。尽管Caffe又重新掘起，从架构上看更像是TensorFlow，而且与原来的Caffe也不在一个工程里，可以独立成一个框架来看待，与原Caffe关系不大。但仍不建议使用。

* MXNet：是一个可移植的、可伸缩的深度学习库，具有Torch、Theano、Chainer和Caffe的部分特性。不同程度的支持Python、R、Scala、Julia和C ++语言，也是目前比较热门的主流框架之一。

* CNTK：是一个微软开发的深度学习软件包，以速度快著称，有其独有的神经网络配置语言Brain Script，大大降低了学习门槛。有微软作为后盾，CNTK成为了最具有潜力与Tensor Flow争夺天下的框架。但目前其成熟度要比Tensor Flow差太多，即便是发行的版本也会有大大小小的bug。与其他框架一样，CNTK具有文档资料不足的特点。但其与Visual Studio的天生耦合，以及其特定的MS编程风格，使得熟悉Visual Studio工具的小伙伴们从代码角度极易上手。另外，CNTK目前还不支持Mac操作系统。