2019深度学习框架排行榜 (从TOP 10到TOP 3)

Keras的出现大大降低了深度学习应用的门槛，通过Keras的API可以通过数行代码就构建一个网络模型，曾几何时，Keras+Theano，Keras+CNTK的模式深得开发者喜爱。目前Keras整套架构已经封装进了TensorFlow，在TF.keras可以完成Keras的所有事情。

Deeplearning4j

Deeplearning4j，顾名思义，它是用JAVA编写的，并且与任何JVM语言兼容，如Scala，Clojure或Kotlin，基础计算模块是用C，C++和CUDA开发的，基于此，DL4J对Spark和Hadoop生态有很好的支持，在多卡GPU上也有很好的性能。相比TF，Pytorch和飞桨，DL4J的文档和社区体系并不是很完善，而且其本身并不支持Python，而是由高层级的Keras API支持，上手难度稍大，另外其应用示例也很有限。

Mxnet

Mxnet可以说成名很早，发展一直不温不火，现在在Apache项目下孵化，当下背靠企业的TensorFlow，Pytorch和飞桨都依靠广泛的应用场景踏上了AI发展的快车道，而Mxnet缺少的可能就是大厂应用场景的落地实现。

Caffe&Caffe2

Caffe 是一个优先考虑表达、速度和模块化来设计的框架，它由贾扬清和伯克利人工智能实验室研究开发。支持 C、C++、Python等接口以及命令行接口。它以其速度和可转性以及其在卷积神经网络建模中的适用性而闻名。

使用Caffe库的好处是从深度网络存储库"Caffe 模型Zoo"访问可用网络，这些网络经过预先培训，可以立即使用。Caffe是一个曾经叱咤风云的视觉识别深度学习网络。但是，Caffe 不支持精细粒度网络层，给定体系结构，对循环网络和语言建模的总体支持相当差，必须用低级语言建立复杂的层类型，使用门槛很高。

Caffe2是由Facebook组织开发的深度学习模型，虽然使用门槛不像Caffe那样高，但仍然让不那么看重性能的开发者望而却步，很快就被并入Pytorch项目。而Caffe自2017年以来都没有再更新了，新的项目已经鲜有其身影，曾名噪一时的框架就此落幕。

Chainer

Chainer是纯粹用Python在NumPy，CuPy等库的基础上开发的，它的创新是网络不再是静态图，而是可以灵活定义，快速运行的一套深度学习架构，同时可以运行于大型系统并保持较高的性能，后来Pytorch的设计灵感就是部分借鉴于Chainer。

Theano

Theano是深度学习框架的鼻祖，它由Yoshua Bengio和蒙特利尔大学的研究小组于2007年创建，是率先广泛使用的深度学习框架。Theano 是一个 Python 库，速度更快，功能强大，可以高效的进行数值表达和计算，可以说是从NumPy矩阵表达向tensor表达的一次跨越，为后来的深度学习框架提供了样板。遗憾的是Theano团队已经停止了该项目的更新，深度学习应用框架的发展进入到了背靠工业界大规模应用的阶段。

CNTK

（编辑：PHP编程网 - 湛江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!