1. 常见的深度学习框架简介  

名称

诞生

优点

缺点

评价

项目地址

PyTorch

2017年1月,Facebook

前身2002年诞生纽约大学的Torch

简洁：tensor->variable->nn.Moudle  

速度：

易用：

活跃的社区

   

Theano

2008年蒙特利尔大学LISA

python库

奠定了基本设计方向：以计算图为框架核心，采用GPU加速计算

难调试，构建图慢

停止开发，不建议研究

 

TensorFlow

2015年，Google

Python C++

基于计算图实现自动微分系统

在ARM架构上编译和优化

系统设计复杂

频繁变动接口

接口设计难懂

文档混乱

不完美但最流行，社区强大，适合生产环境

https://github.com/tensorflow/tensorflow

Keras

高层神经网络API

Python

支持快速实验

屏蔽后端的差异性，提供一致的用户接口

过度封装

程序缓慢

入门简单，不够灵活，使用受限

https://keras.io/

Caffe/Caffe2

C++

简洁快速，易用

全平台支持

缺少灵活性

文档不够完善，性能 优异，全平台支持，适合生产环境

https://caffe.berkeleyvision.org/  

https://caffe2.ai/

MXNet

2014

Amazon李沐

分布式支持，内存、显存优化

AWS云平台

接口文档不够完善

文档混乱，分布式性能强大，语言支持最多，适合AWS云平台使用

https://mxnet.incubator.apache.org/

CNTK

2015年 微软公司

  

社区不够活跃，性能突出，擅长语音方面的相关研究

 

PaddlePaddle

百度

    

CyNet

CMU开发

    

Tiny-dnn

C++11标准

    

Deeplearning4J

Java

文档优秀

   

Nervana

Inter

    

DSSTNE

Amazon

    

CoreML

     

MDL

     

2. ONNX标准  

Facebook和微软，推出Open Neural Network Exchange(ONNX,开放神经网络交换)格式，一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。

https://github.com/ritchieng/the-incredible-pytorch  

https://discuss.pytorch.org/