7大python 深度學習框架的描述及優缺點紹

1. Theano https://github.com/Theano/Theano
   描述: Theano 是一個python庫, 容許你定義, 優化而且有效地評估涉及到多維數組的數學表達式. 它與GPUs一塊兒工做, 而且在符號微分方面表現優秀.
   文檔: http://deeplearning.net/software/theano/
   概述: Theano是數值計算的主力, 它支持了許多咱們列表當中的其餘的深度學習框架. Theano由 frederic bastien 建立, 這是蒙特利爾大學機器學習研究所背後的一個很是優秀的研究團隊. 它的API水平較低, 而且爲了寫出效率高的Theano, 你須要對隱藏在其餘框架幕後的算法至關的熟悉. 若是你有首豐富的學術機器學習知識, 正在尋找你的模型的精細的控制方法, 或者想要實現一個新奇的或者不一樣尋常的模型, Theano是你的首選庫. 總而言之, 爲了靈活性, Theano犧牲了易用性.
   優勢: 靈活, 正確使用時的高性能
   缺點: 較高的學習難度, 低水平的API, 編譯複雜的符號圖可能很慢

2. Lasagne https://github.com/Lasagne/Lasagne
   描述：在Theano上創建和訓練神經網絡的輕量級庫
   文檔：http://lasagne.readthedocs.org/
   概述：由於Theano致力於成爲符號數學中最早且最好的庫，Lasagne提供了在Theano 頂部的抽象，這使得它更適合於深度學習。它主要由當前DeepMind研究科學家Sander Dieleman編寫並維護。Lasagne並不是是根據符號變量之間的函數關係來指定網絡模型，而 是容許用戶在層級思考，爲用戶提供了例如「Conv2DLayer」和「DropoutLayer」的構建 塊。Lasagne在犧牲了不多的靈活性的同時，提供了豐富的公共組件來幫助圖層定義、圖 層初始化、模型正則化、模型監控和模型訓練。
   優勢：仍舊很是靈活, 比Theano更局級的抽象, 文檔和代碼中包含了各類Pasta Puns
   缺點：社區小

3. Blocks https://github.com/mila-udem/blocks
   描述：用於構建和訓練神經網絡的Theano框架
   文檔：http://blocks.reackhedocs.io/en/latest/
   概述：與Lasagne相似，Blocks是在Theano頂部添加一個抽象層使深度學習模型比編寫 原始的Theano更清晰、更簡單、定義更加標準化。它是由蒙特利爾大學機器學習研究所 (MILA)編寫，其中一些人爲搭建Theano和第一個神經網絡定義的高級接口（已經淘汰 的PyLearn2)貢獻了本身的_份力量。比起Lasagne，Blocks靈活一點，代價是入門臺階較高，想要高效的使用它有不小的難度。除此以外，Blocks對遞歸神經網絡架構 (recurrent neural network architectures)有很好的支持，因此若是你有興趣探索這種 類型的模型，它值得一看。除了 TensorFlow，對於許多咱們已經部署在indico產品中的 API，Blocks是其首選庫。
   優勢：仍舊很是靈活, 比Theano更高級的抽象, 易於測試
   缺點：較高的學習難度, 更小的社區

4. TensorFlow https://github.com/tensorflow/tensorflow
   描述：使用數據流圖進行數值計算的的開源軟件庫
   文檔：https://www.tensorflow.org/api_docs/python/
   概述：TensorFlow是較低級別的符號庫（好比Theano)和較高級別的網絡規範庫（好比 Blocks和Lasagne)的混合。即便它是Python深度學習庫集合的最新成員，在Google Brain團隊支持下，它可能已是最大的活躍社區了。它支持在多GPUs上運行深度學習模 型，爲高效的數據流水線提供使用程序，並具備用於模型的檢查，可視化和序列化的內置 模塊。最近，TensorFlow團隊決定支持Keras (咱們列表中下一個深度學習庫）。雖然 TensorFlow有着本身的缺點，可是社區彷佛贊成這一決定，社區的龐大規模和項目背後巨 大的動力意味着學習TensorFlow是一次安全的賭注。所以，TensorFlow是咱們今天在 indico選擇的深度學習庫。
   優勢：由軟件巨頭Google支持, 很是大的社區, 低級和高級接口網絡訓練, 比基於Theano配置更快的模型編譯, 徹底地多GPU支持
   缺點: 雖然Tensorflow正在追趕，可是最初在許多基準上比基於Theano的慢, RNN支持仍不如Theano

5. Keras https://github.com/fchollet/keras
   描述：Python的深度學習庫。支持Convnets、遞歸神經網絡等。在Theano或者TensorFlow 上運行。
   文檔：https://keras.io/
   概述：Keras也許是水平最高，對用戶最友好的庫了。由FrancisChollet (Goog丨eBrain團隊中的另外一個成員）編寫和維護。它容許用戶選擇其所構建的模型是在Theano上或是在TensorFlow上的符號圖上執行。Keras的用戶界面受啓發於Torch，因此若是你之前有過使用Lua語言的機器學習經驗，Keras絕對值得一看。因爲部分很是優秀的文檔和其相對易用性，Keras的社區很是大而且很是活躍。最近，TensorFlow團隊宣佈計劃與Keras —起支持內置，因此很快Keras將是TensorFlow項目的一個分組。
   優勢：可供選擇的Theano或者TensorFlow後端, 直觀、高級別的端口, 更易學習
   缺點：不太靈活，比其餘選擇更規範

6. MXNet https://github.com/dmlc/mxnet
   描述：MXNet是一個旨在提升效率和靈活性的深度學習框架.
   文檔：http://mxnet.io/api/python/index.html#python-api-reference
   概述：MXNet是亞馬遜（Amazon)選擇的深度學習庫，而且也許是最優秀的庫。它擁有相似於Theano和TensorFlow的數據流圖，爲多GPU配置提供了良好的配置，有着相似於Lasagne和Blocks更高級別的模型構建塊，而且能夠在你能夠想象的任何硬件上運行(包括手機）。對Python的支持只是其冰山一角 : MXNet一樣提供了對R、Julia、C++、Scala、Matlab，和Java的接口。若是你正在尋找最佳的性能，選擇MXNet吧，可是你必須願意處理與之相對的一些MXNet的怪癖。
   優勢：速度的標杆, 很是靈活
   缺點：最小的社區, 比Theano更困難的學習難度

7. PyTorch
   連接：https://github.com/pytorch/pytorch
   描述：Python中的張量（Tensors)和動態神經網絡，有着強大的GPU加速。
   文檔：http://pytorch.org/docs/
   概述：剛剛放出一段時間，PyTorch就已是咱們Python深度學習框架列表中的一個新的成員了。它是從Lua的Torch庫到Python的鬆散端口，因爲它由Facebook的人工智能研究團隊（ ArtificiaUntelligence Research team (FAIR))支持且由於它用於處理動態計算圖（Theano，TensorFlow或者其餘衍生品沒有的特性，編譯者注：如今TensorFlow好像支持動態計算圖），它變得很是的有名。PyTorch在Python深度學習生態系統將扮演怎樣的角色還不得而知，但全部的跡象都代表，PyTorch是咱們列表中其餘框架的一個很是棒的選擇。
   優勢：來自Facebook組織的支持, 徹底地對動態圖的支持, 高級和低級API的混合
   缺點：比其餘選擇, PyTorch 還不太成熟(用他們本身的話說: 咱們正處於早期測試版本, 期待一些冒險.), 除了官方文檔外, 只有限的參考文獻/資源.