几种DL的框架，简单介绍

在这里，我将会介绍当前比较主流的5种深度学习框架，包括 Caffe, TensorFlow, MXNet, Torch, Theano，并对这些框架进行分析。

首先对这些框架进行总览。

库名称	开发语言	速度	灵活性	文档	适合模型	平台	上手难易
Caffe	c++/cuda	快	一般	全面	CNN	所有系统	中等
TensorFlow	c++/cuda/Python	中等	好	中等	CNN/RNN	Linux, OSX	难
MXNet	c++/cuda	快	好	全面	CNN	所有系统	中等
Torch	c/lua/cuda	快	好	全面	CNN/RNN	Linux, OSX	中等
Theano	Python/c++/cuda	中等	好	中等	CNN/RNN	Linux, OSX	易

接下来将对这些框架进行分别介绍。

Caffe

第一个主流的工业级深度学习工具。

它开始于2013年底,由UC Berkely的Yangqing Jia老师编写和维护的具有出色的卷积神经网络实现。在计算机视觉领域Caffe依然是最流行的工具包。

它有很多扩展，但是由于一些遗留的架构问题，不够灵活且对递归网络和语言建模的支持很差。

TensorFlow

Google开源的其第二代深度学习技术——被使用在Google搜索、图像识别以及邮箱的深度学习框架。

是一个理想的RNN（递归神经网络）API和实现，TensorFlow使用了向量运算的符号图方法，使得新网络的指定变得相当容易，支持快速开发。

缺点是速度慢，内存占用较大。（比如相对于Torch）

MXNet

是李沐和陈天奇等各路英雄豪杰打造的开源深度学习框架，是分布式机器学习通用工具包DMLC 的重要组成部分。

它注重灵活性和效率，文档也非常的详细，同时强调提高内存使用的效率，甚至能在智能手机上运行诸如图像识别等任务。

Torch

Facebook力推的深度学习框架，主要开发语言是C和Lua。
有较好的灵活性和速度。
它实现并且优化了基本的计算单元，使用者可以很简单地在此基础上实现自己的算法，不用浪费精力在计算优化上面。核心的计算单元使用C或者cuda做了很好的优化。在此基础之上，使用lua构建了常见的模型。
缺点是接口为lua语言，需要一点时间来学习。

Theano

2008年诞生于蒙特利尔理工学院，主要开发语言是Python。
Theano派生出了大量深度学习Python软件包，最著名的包括Blocks和Keras。
Theano的最大特点是非常的灵活，适合做学术研究的实验，且对递归网络和语言建模有较好的支持，缺点是速度较慢。

参考

深度学习框架的评估与比较
http://www.infoq.com/cn/news/2016/01/evaluation-comparison-deep-learn
Caffe、TensorFlow、MXnet三个开源库对比
http://chenrudan.github.io/blog/2015/11/18/comparethreeopenlib.html
CVPR 2015深度学习回顾：ConvNet、Caffe、Torch及其他
http://www.csdn.net/article/1970-01-01/2825395
torch7怎么样？和theano和caffe相比如何？顺便问下实现cnn麻烦吗？
https://www.zhihu.com/question/34789475
深度学习简析,TensorFlow,Torch,Theano,Mxn
http://lchiffon.github.io/2015/11/16/long.html