优点：在真正开始计算的时候已经拿到了整个计算图，所以我们可以做一系列优化来提升性能。实现辅助函数也容易，例如对任何计算图都提供forward和backward函数，对计算图进行可视化，将图保存到硬盘和从硬盘读取。

缺点：很多主语言的特性都用不上。某些在主语言中实现简单，但在这里却经常麻烦，例如if-else语句 。debug也不容易，例如监视一个复杂的计算图中的某个节点的中间结果并不简单。

　　几种主要深度学习框架的比较

　　目前现有的系统大部分都采用上两种编程模式的一种。与它们不同的是，MXNet 尝试将两种模式无缝的结合起来。在命令式编程上 MXNet 提供张量运算，而声明式编程中 MXNet 支持符号表达式。用户可以自由的混合它们来快速实现自己的想法。例如我们可以用声明式编程来描述神经网络，并利用系统提供的自动求导来训练模型。另一方便，atv，模型的迭代训练和更新模型法则中可能涉及大量的控制逻辑，atv，因此我们可以用命令式编程来实现。同时我们用它来进行方便地调式和与主语言交互数据。

　　五个主要 Python 深度学习库的比较

Theano 是一个专用于高效计算的低级库。如果你需要细粒度的定制和灵活性，可以直接使用这个库。

TensorFlow是另一个低级库，比 Theano 还要不成熟。但它是 Google 支持的库，并提供了开箱即用的分布式计算。

Lasagne是 Theano 中的一个轻量级库。如果你想要 Theano 的灵活性，但不想总是从头开始编写神经网络的层，可以选择 Lasagne。

Keras 是基于 Theano 或 TensorFlow 高层神经网络库。它具有极简化、模块化的优点，而且在实验中非常快速。这是深度学习的最受欢迎的库，也是初学者的最佳入门库。

MXNet是另一个类似 Keras 的高级库。它提供了多种语言的绑定，并且支持分布式计算。

　　导师（Mentor）：Theano

　　我们授予 Theano “导师”称号，因为它让引导我们认识并喜欢上其他的深度学习库。

　　例如，Lasagne 和 Keras 都是基于 Theano 的。就其核心来说，Theano 是为使用多维数组进行数学计算的库，它的速度非常快，并且使用 GPU 进行优化（比 CPU 快 140倍）。换句话说，它是神经网络的“构建块”。

　　根据我们的经验，很少有人会直接写 Theano 代码。通常需要使用更高级的包装器（wrapper），除非你需要的是低级的定制。

　　例如，下面是一个用 Theano 写的逻辑激活函数

　　后起之秀：TensorFlow

　　TensorFlow 是“后起之秀”，而且它很受欢迎。

　　TensorFlow 是 Google 自己的 AI 团队开发的，而且最近开源了。TensorFlow 允许使用数据流图进行高效的数值计算。它从 Theano 的经验中学习了很多，因此被称作是全新的 Theano 2.0 版本。Google 的强力支持也使得它格外有前景。

　　即便如此，Theano 在很多方面仍然比 TensorFlow 快，而且支持更多样的操作。

　　但是，TensorFlow 最大的优势是它支持开箱即用的分布式计算，这使得在多 GPU 上训练深度神经网络更简单。

　　轻量：Lasagne

　　Lasagne 是 Theano 的一个轻量级包装器。Lasagne 允许使用 Theano 的优化计算来构建并训练神经网络。而轻量级是指，在 Lasagne 中，你仍然需要获取相当的低级，并且声明网络的每个层。在 Theano 之外，它只提供模块化的构建块。

　　结果是你的代码会变得十分冗长，但你可以用 NN 结构而非多维数组进行编程。

　　Lasagne 可以视为 Theano 的灵活性 和 Keras 的简单性之间的折衷选择。

　　半机械人（Cyborg）：Keras

　　在所有 Python 深度学习库中，Keras 是最受欢迎的。原因有三：

　　首先，Keras 是一个允许在后端使用 Theano 或 TensorFlow 的包装器。这意味着开发者可以根据自己的应用程序轻松在两个库之间切换，。

　　第二，它有很漂亮的指导原则：模块性、极简主义、易扩展性，以及与 Python 协作。这使得 Keras 的实际使用非常简单愉快。

　　最后，Keras 拥有常见的网络结构的开箱即用的实现。它能快速、轻易地运行卷积神经网络。

　　下面是一个超快的序列模型的例子：

　　看起来很容易，是吧？如果想快速实现，Keras 是十分理想的库。但它最大的缺点是不支持并行训练的多 GPU 环境。

　　多语通（Polyglot）：MXNet

　　MXNet 同 Keras 一样是高级库，但它的优势在另外的方面。

　　一方面，使用 MXNet 构建网络比用 Keras 需要花更多功夫。由于教程少，学习的难度更大。

　　但是，MXNet 支持超过 7 种不同的语言的优势弥补了这一点，这些语言包括 C++、Python、R、Javascrip，甚至 Matlab。

　　MXNet 是真正的多语通，对使用不同的语言共享模型的团队工作来说，它是不二之选。

　　MXNet 的另一个明显的优势是支持分布式计算。这意味着如果你需要在多个 CPU 或 GPU 上训练模型以提高速度，MXNet 是很好的选择。

　　编译来源：

　　https://elitedatascience.com/python-deep-learning-libraries

新智元招聘

　　职位 运营总监

　　职位年薪：36- 50万（工资+奖金）

　　工作地点：北京-海淀区

　　所属部门：运营部

　　汇报对象：COO

　　下属人数：2人

　　年龄要求：25 岁 至 35 岁

　　性别要求：不限

　　工作年限：3 年以上

　　语 言：英语6级（海外留学背景优先）

　　职位描述

负责大型会展赞助商及参展商拓展、挖掘潜在客户等工作，人工智能及机器人产业方向

擅长开拓市场，并与潜在客户建立良好的人际关系

深度了解人工智能及机器人产业及相关市场状况，随时掌握市场动态

主动协调部门之间项目合作，组织好跨部门间的合作，具备良好的影响力

带领团队完成营业额目标，并监控管理项目状况

负责公司平台运营方面的战略计划、合作计划的制定与实施

　　岗位要求

大学本科以上学历，硕士优先，要求有较高英语沟通能力

3年以上商务拓展经验，有团队管理经验，熟悉商务部门整体管理工作

对传统全案公关、传统整合传播整体方案、策略性整体方案有深邃见解

具有敏锐的市场洞察力和精确的客户分析能力、较强的团队统筹管理能力