概述：TensorFlow 是较低级别的符号库（比如 Theano）和较高级别的网络规范库（比如 Blocks 和 Lasagne）的混合。即使它是 Python 深度学习库集合的最新成员，在 Google Brain 团队支持下，它可能已经是最大的活跃社区了。它支持在多 GPUs 上运行深度学习模型，为高效的数据流水线提供使用程序，并具有用于模型的检查，可视化和序列化的内置模块。最近，TensorFlow 团队决定支持 Keras（我们列表中下一个深度学习库）。虽然 TensorFlow 有着自己的缺点，但是社区似乎同意这一决定，社区的庞大规模和项目背后巨大的动力意味着学习 TensorFlow 是一次安全的赌注。因此，TensorFlow 是我们今天在 indico 选择的深度学习库。

优点：

由软件巨头 Google 支持

非常大的社区

低级和高级接口网络训练

比基于 Theano 配置更快的模型编译

完全地多 GPU 支持

缺点：

虽然 Tensorflow 正在追赶，但是最初在许多基准上比基于 Theano 的慢。

RNN 支持仍不如 Theano

Keras

链接：https://github.com/fchollet/keras

描述：Python 的深度学习库。支持 Convnets、递归神经网络等。在 Theano 或者 TensorFlow 上运行。

文档：https://keras.io/

概述：Keras 也许是水平最高，对用户最友好的库了。由 Francis Chollet（Google Brain 团队中的另一个成员）编写和维护。它允许用户选择其所构建的模型是在 Theano 上或是在 TensorFlow 上的符号图上执行。Keras 的用户界面受启发于 Torch，所以如果你以前有过使用 Lua 语言的机器学习经验，Keras 绝对值得一看。由于部分非常优秀的文档和其相对易用性，Keras 的社区非常大并且非常活跃。最近，TensorFlow 团队宣布计划与 Keras 一起支持内置，所以很快 Keras 将是 TensorFlow 项目的一个分组。

优点：

可供选择的 Theano 或者 TensorFlow 后端

直观、高级别的端口

更易学习

缺点：

不太灵活，比其他选择更规范

MXNet

链接：https://github.com/dmlc/mxnet

描述：MXNet 是一个旨在提高效率和灵活性的深度学习框架。

文档：#python-api-reference

概述：MXNet 是亚马逊（Amazon）选择的深度学习库，并且也许是最优秀的库。它拥有类似于 Theano 和 TensorFlow 的数据流图，为多 GPU 配置提供了良好的配置，有着类似于 Lasagne 和 Blocks 更高级别的模型构建块，并且可以在你可以想象的任何硬件上运行（包括手机）。对 Python 的支持只是其冰山一角—MXNet 同样提供了对 R、Julia、C++、Scala、Matlab，和 Java 的接口。如果你正在寻找最佳的性能，选择 MXNet 吧，但是你必须愿意处理与之相对的一些 MXNet 的怪癖。

优点：

速度的标杆

非常灵活

缺点：

最小的社区

比 Theano 更困难的学习难度

PyTorch

链接：https://github.com/pytorch/pytorch

描述：Python 中的张量（Tensors）和动态神经网络，有着强大的 GPU 加速。

文档：

概述：刚刚放出一段时间，PyTorch 就已经是我们 Python 深度学习框架列表中的一个新的成员了。它是从 Lua 的 Torch 库到 Python 的松散端口，由于它由 Facebook 的 人工智能研究团队（Artificial Intelligence Research team (FAIR)）支持且因为它用于处理动态计算图（Theano，TensorFlow 或者其他衍生品没有的特性，编译者注：现在 TensorFlow 好像支持动态计算图），它变得非常的有名。PyTorch 在 Python 深度学习生态系统将扮演怎样的角色还不得而知，但所有的迹象都表明，PyTorch 是我们列表中其他框架的一个非常棒的选择。

优点:

来自 Facebook 组织的支持

完全地对动态图的支持

高级和低级 API 的混合

缺点：

比其他选择，PyTorch 还不太成熟（用他们自己的话说—「我们正处于早期测试版本。期待一些冒险」）

除了官方文档以外，只有有限的参考文献/资源

　　原文链接：

©本文为机器之心编译，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]