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, 允許你定義, 優化並且有效地評估涉及到多維數組的數學表達式. 它與GPUs一起工作, 並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, 它支持了許多我們列表當中的其他的深度學習框架. Theano由 frederic bastien 創建, 這是蒙特利爾大學機器學習研究所背后的一個非常優秀的研究團隊. 它的API水平較低, 並且為了寫出效率高的Theano, 你需要對隱藏在其他框架幕后的算法相當的熟悉. 如果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同尋常的模型, Theano是你的首選庫. 總而言之, 為了靈活性, Theano犧牲了易用性.
   優點: 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, 編譯復雜的符號圖可能很慢

2. Lasagne https://github.com/Lasagne/Lasagne
   描述：在Theano上建立和訓練神經網絡的輕量級庫
   文檔：http://lasagne.readthedocs.org/
   概述：因為Theano致力於成為符號數學中最先且最好的庫，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並非是根據符號變量之間的函數關系來指定網絡模型，而 是允許用戶在層級思考，為用戶提供了例如「Conv2DLayer」和「DropoutLayer」的構建 塊。Lasagne在犧牲了很少的靈活性的同時，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。
   優點：仍舊非常靈活, 比Theano更局級的抽象, 文檔和代碼中包含了各種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類似，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、定義更加標准化。它是由蒙特利爾大學機器學習研究所 (MILA)編寫，其中一些人為搭建Theano和第一個神經網絡定義的高級接口（已經淘汰 的PyLearn2)貢獻了自己的_份力量。比起Lasagne，Blocks靈活一點，代價是入門台階較高，想要高效的使用它有不小的難度。除此之外，Blocks對遞歸神經網絡架構 (recurrent neural network architectures)有很好的支持，所以如果你有興趣探索這種 類型的模型，它值得一看。除了 TensorFlow，對於許多我們已經部署在indico產品中的 API，Blocks是其首選庫。
   優點：仍舊非常靈活, 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（比如Theano)和較高級別的網絡規范庫（比如 Blocks和Lasagne)的混合。即使它是Python深度學習庫集合的最新成員，在Google Brain團隊支持下，它可能已經是最大的活躍社區了。它支持在多GPUs上運行深度學習模 型，為高效的數據流水線提供使用程序，並具有用於模型的檢查，可視化和序列化的內置 模塊。最近，TensorFlow團隊決定支持Keras (我們列表中下一個深度學習庫）。雖然 TensorFlow有着自己的缺點，但是社區似乎同意這一決定，社區的龐大規模和項目背后巨 大的動力意味着學習TensorFlow是一次安全的賭注。因此，TensorFlow是我們今天在 indico選擇的深度學習庫。
   優點：由軟件巨頭Google支持, 非常大的社區, 低級和高級接口網絡訓練, 比基於Theano配置更快的模型編譯, 完全地多GPU支持
   缺點: 雖然Tensorflow正在追趕，但是最初在許多基准上比基於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團隊中的另一個成員）編寫和維護。它允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的用戶界面受啟發於Torch，所以如果你以前有過使用Lua語言的機器學習經驗，Keras絕對值得一看。由於部分非常優秀的文檔和其相對易用性，Keras的社區非常大並且非常活躍。最近，TensorFlow團隊宣布計划與Keras —起支持內置，所以很快Keras將是TensorFlow項目的一個分組。
   優點：可供選擇的Theano或者TensorFlow后端, 直觀、高級別的端口, 更易學習
   缺點：不太靈活，比其他選擇更規范

6. MXNet https://github.com/dmlc/mxnet
   描述：MXNet是一個旨在提高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，並且也許是最優秀的庫。它擁有類似於Theano和TensorFlow的數據流圖，為多GPU配置提供了良好的配置，有着類似於Lasagne和Blocks更高級別的模型構建塊，並且可以在你可以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同樣提供了對R、Julia、C++、Scala、Matlab，和Java的接口。如果你正在尋找最佳的性能，選擇MXNet吧，但是你必須願意處理與之相對的一些MXNet的怪癖。
   優點：速度的標桿, 非常靈活
   缺點：最小的社區, 比Theano更困難的學習難度

7. PyTorch
   鏈接：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就已經是我們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的松散端口，由於它由Facebook的人工智能研究團隊（ ArtificiaUntelligence Research team (FAIR))支持且因為它用於處理動態計算圖（Theano，TensorFlow或者其他衍生品沒有的特性，編譯者注：現在TensorFlow好像支持動態計算圖），它變得非常的有名。PyTorch在Python深度學習生態系統將扮演怎樣的角色還不得而知，但所有的跡象都表明，PyTorch是我們列表中其他框架的一個非常棒的選擇。
   優點：來自Facebook組織的支持, 完全地對動態圖的支持, 高級和低級API的混合
   缺點：比其他選擇, PyTorch 還不太成熟(用他們自己的話說: 我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.