想请大家谈谈几个深度学习框架的使用方面的理解？

1

基础学习中。入门感觉很难。不要呗专业名词吓住。需要有技术的带着。

1

1

虽然学习进度还未涉及以上内容，但是仍然回复，支持！！！

最初tensorflow1.0以下版本是静态图机制，每次定义网络，调试非常麻烦。后来有了keras，keras对tensorflow的底层api进行了一系列封装（仅指tensorflow-backend），提高了易用性，深度神经网络定义更加方便，但是由于高度封装，可能灵活性不如原生tensorflow；tensorflow 1.0之后吸收了keras，可以直接在tensorflow中导入keras，使用keras api，非常方便，吐槽一下，tensorflow版本迭代太快，很多api非常混乱。pytorch在学术界使用非常广泛，已经超过了tensorflow（毕竟mxnet创始人都去教pytorch了），pytorch基于动态图机制，定义网络也非常方便，不过似乎现在工业界还是使用tf居多，毕竟静态图效率较高？caffe基本上算是没落了，现在用的人应该非常少了，毕竟连facebook都用pytorch去了。其实国内baidu开发的paddlepaddle框架也非常不错，用了都说好，可惜用的人也不多。

个人理解，如有错误请纠正。

Tensorflow目前主要在工业级领域处于领先地位，适合深度学习和人工智能领域的开发者进行使用。
Pytorch目前主要在学术研究方向领域处于领先地位，可以使用强大的GPU加速的Tensor计算，代码很简洁、易于使用。
Keras是在Tensorflow的基础上再次集成的；所以，他的代码会更加简洁方便，适于初学者；但因为它是在Tensorflow的框架上再次封装的，那么运行速度肯定就没有Tensorflow快了。
Caffe 是用于特征抽取的卷积框架，可读性高，现有的CNN模型中速度最快。

😶虽然我不知道这个技术是啥但不妨碍我来评论，权当给群主涨涨人气叭！别赞要脸

1

一句话点评:

TensorFlow:不完美但最流行的深度学习框架，社区强大，适合生产环境

pytorch:简洁易于阅读,速度快,易用设计最符合人们的思维,活跃的社区,适合研究

Caffe/Caffe2:文档不够完善，但性能优异，几乎全平台支持（Caffe2），适合生产环境

Keras:入门最简单，但是不够灵活，使用受限

MXNet:文档略混乱，但分布式性能强大，语言支持最多，适合AWS云平台使用

CNTK:社区不够活跃，但是性能突出，擅长语音方面的相关研究

caffe与pytorch是由facebook开发。Tensorflow的社区非常友好庞大，对于初学者来说遇到问题很容易找到解决方案。

keras是比较简单易学的，高封装性。torch是动态图计算，其余三种是静态图计算，需要先定义再使用。Tensorflow的部署比较方便，可以使用C++或者python或者前端的JS。