目前深度学习领域中，主要的框架有：

• TensorFlow

• Caffe/Cafe2

• Torch/PyTorch

• Keras

• MxNet

• Deeplearning4j等

 

---

 

PyTorch是Torch7团队开发的。PyTorch的前身就是Torch，它的底层和Torch框架一样。

 

Torch的特点：特别灵活；

它的特殊之处是：用了编程语言Lua。

 

目前深度学习大部分都是以python为编程语言的，一个以lua为编程语言的框架，其实有先天的劣势，这种小众语言增加了学习使用Torch框架的成本。

PyTorch可以说是torch的python版，然后也增加了很多新的特性。

 

---

 

TensorFlow：是一种流行的机器学习和深度学习框架。

它是由 Google Brain 团队为深度神经网络（DNN）开发的开源软件库，在 2015 年 11 月首次发布。

TensorFlow 可以训练和运行很多的深度神经网络，比如：图像识别、手写数字分类、循环神经网络、词嵌入、自然语言处理等。

TensorFlow这个词是由两个词组成的，Tensor和Flow：

• Tensor是一个多维数组；
• Flow用于定义操作中的数据流。

TensorFlow ：就是用于定义在多维数组或 Tensor 上运行的数据流。

---

 

它是一个深度学习框架，核心语言是C++，它支持命令行、Python和Matlab接口。

它的开发者贾扬清，在加州大学伯克利分校，攻读博士期间创建了Caffe项目。

Caffe支持多种类型的深度学习架构，比如：CNN、RCNN、LSTM等。

2018年的时候，Caffe2并入到了PyTorch里面。

---

 

Keras 在 2015 年 3 月首次发布，然后因为它的易用性和语法简洁性，非常受欢迎，得到快速的发展。Keras是基于Theano和TensorFlow的深度学习库，有较为直观的API，可能是目前最好的Python API。

Keras 是谷歌支持的一款框架。

 

它提供多种API的机器学习框架。

主要面向R、Python和Julia等语言。

相比来说，上手比较快，目前已被亚马逊云服务采用。

 

DeepLearning4J（DL4J）：是一套基于Java语言的神经网络工具包，可以构建神经网络。

通过Hadoop、Spark、Hive、Lucene等开源系统扩展可实现无缝集成，具有良好的生态环境支持。提供了强大的科学计算库ND4J，可以分布式运行于CPU或GPU上，可通过Java或Scala进行API对接，可以快速应用CNN、RNN等模型进行图像分类，支持任意芯片数的GPU并行运行，支持在多个GPU集群上运行。 

DL4J还提供了实时的可视化界面，可以在模型训练过程中查看网络状态和进展情况。