3.2　与其他框架的对比

1）?TensorFlow：深度学习最流行的库之一，是谷歌在深刻总结了其前身 DistBelief 的经验教训上形成的；它不仅便携、高效、可扩展，还能在不同计算机上运行：小到智能手机，大到计算机集群；它是一款轻量级的软件，可以立刻生成你的训练模型，也能重新实现它；TensorFlow有强大的社区、企业支持，因此它广泛用于从个人到企业、从初创公司到大公司等不同群体。
2）?Caffe：卷积神经网络框架，专注于卷积神经网络和图像处理，是用C++语言写成
的，执行速度非常快。
3）?Chainer：一个强大、灵活、直观的机器学习Python软件库，能够在一台机器上利用多个GPU，由深度学习创业公司Preferred Networks开发，在Github上有相当数量的项目；Chainer 的设计基于“define by run”原则，也就是说，该网络在运行中动态定义，而不是在启动时定义，这也是该框架的一大亮点。
4）?CNTK：CNTK（Computational Network ToolKit）是微软研究人员开发的用于深度神经网络和多GPU加速技术的完整开源工具包。微软称CNTK在语音和图像识别方面，比谷歌的 TensorFlow 等其他深度学习开源工具包更有优势。
5）?Deeplearning4j：专注于神经网络的Java库，可扩展并集成Spark、Hadoop和其他基于 Java的分布式集成软件。
6）?Nervana Neo：是一个高效的Python机器学习库，它能够在单个机器上使用多个GPU。
7）?Theano：是一个用Python编写的极其灵活的Python机器学习库，用它定义复杂的模型相当容易，因此它在研究中极其流行。
8）?Torch：是一个专注于GPU实现的机器学习库，得到了像Facebook、谷歌、Twitter这样的大公司的研究团队的支持。