主流機器學習框架

一、TensorFlow

TensorFlow 是一個使用數據流圖進行數值計算的開源軟件庫。圖中的節點表示數學運算，而圖邊表示在它們之間傳遞的多維數據陣列（又稱張量）。靈活的體系結構允許你使用單個API將計算部署到桌面、服務器或移動設備中的一個或多個CPU或GPU。

被定義為“最流行”、“最被認可”的開源深度學習框架， 擁有產品級的高質量代碼，有 Google 強大的開發、維護能力的加持，整體架構設計也非常優秀。

TensorFlow 是 Google 的開源人工智能工具。它提供了一個使用數據流圖進行數值計算的庫。可以運行在多種不同的有着單或多 CPU 和 GPU 的系統，甚至可以在移動設備上運行。它擁有深厚的靈活性、真正的可移植性、自動微分功能，並且支持 C++ / Python (Go，Java，Lua，Javascript，或者是R)。

但由於 TensorFlow 的每個計算流都必須構造為一個靜態圖，且缺乏符號性循環，增加了計算困難。TensorFlow 在執行性能方面並無優勢，對 RNN 支持不如 Theano，缺乏許多預先訓練的模型。

二、Apache Spark

Apache Spark 是專為大規模數據處理而設計的快速通用的計算引擎  。現在形成一個高速發展應用廣泛的生態系統。

Spark 主要有三個特點  [3]  ：

1、易用性

高級 API 剝離了對集群本身的關注，Spark 應用開發者可以專注於應用所要做的計算本身。Spark 提供了80多個高級運算符。

2、更快的速度

Spark 很快，支持交互式計算和復雜算法。內存計算下，Spark 比 Hadoop 快100倍。

3、通用性

Spark 是一個通用引擎，可用它來完成各種各樣的運算，包括 SQL 查詢、文本處理、 機器學習等.

而在 Spark 出現之前，我們一般需要學習各種各樣的引擎來分別處理這些需求。

Spark 提供了大量的庫，包括Spark Core、Spark SQL、Spark Streaming、MLlib、GraphX。 開發者可以在同一個應用程序中無縫組合使用這些庫。支持多種資源管理器

4、豐富的資源管理器

Spark 支持 Hadoop YARN，Apache Mesos，及其自帶的獨立集群管理器

 

Spark核心模塊圖：

總結：Spark主要是一個分布式大數據計算引擎，其中包含深度學習的模塊，所以也被廣泛應用與機器學習，但並不是像TensorFlow那樣專業

 

三、Deeplearning4j：為 Java 用戶量身定制

Deeplearning4j（以下簡稱：DL4J）是 Java 和 Scala 環境下的一個開源分布式的深度學習項目，可以構建、定型和部署神經網絡。

DL4J 與 Hadoop 和 Spark 集成，支持分布式 CPU 和 GPU，為商業環境，而非研究工具目的所設計。DL4J 支持 YARN 與 RBM、DBN、CNN、RNN、RNTN 和 LTSM等多種深度網絡架構，還對矢量化庫 Canova 提供支持。

DL4J 使用 Java 語言實現，本質上比 Python 快，在圖像識別、欺詐檢測和自然語言處理方面的表現出眾。