深度学习库比较
| 库名 |
主语言 |
从语言 |
速度 |
灵活性 |
文档 |
适合模型 |
平台 |
上手难易 |
开发者 |
模式 |
| Tensorflo |
C++ |
cuda/python |
中等 |
好 |
中等 |
CNN/RNN |
Linux,OSX |
难 |
Google |
分布式/声明式 |
| Caffe |
C++ |
cuda/python/Matlab |
快 |
一般 |
全面 |
CNN |
所有系统 |
中等 |
贾杨清 |
声明式 |
| PyTorc |
python |
C/C++ |
中等 |
好 |
中等 |
- |
-- |
中等 |
FaceBook |
|
| MXNet |
c++ |
cuda/R/julia |
快 |
好 |
全面 |
CNN |
所有系统 |
中等 |
李沐和陈天奇等 |
分布式/声明式/命令式 |
| Torch |
lua |
C/cuda |
快 |
好 |
全面 |
CNN/RNN |
Linux,OSX |
中等 |
Facebook |
命令式 |
| Theano |
python |
c++/cuda |
中等 |
好 |
中等 |
CNN/RNN |
Linux, OSX |
易 |
蒙特利尔理工学院 |
命令式 |
1.TensorFlow 的优点是：
它有一个直观的结构 ，顾名思义它有 “张量流”，你可以轻松地可视每个图中的每一个部分。轻松地在 cpu / gpu 上进行分布式计算平台的灵活性 。可以随时随地运行模型，无论是在移动端、服务器还是 PC 上。
1.1 TensorFlow 的限制
尽管 TensorFlow 是强大的，它仍然是一个低水平库，例如，它可以被认为是机器级语言，但对于大多数功能，您需要自己去模块化和高级接口，如 keras它仍然在继续开发和维护，这是多么
相关文章：