2018 年深度学习框架盘点比较推荐

柔光的暖阳◎ 2022-06-06 10:55 300阅读 0赞

深度学习领域发展迅猛，江湖风起云涌。在此，咪博士为大家细细盘点、比较，各大深度学习框架。也祝大家都能训出好模型，调出好参数。

**以下是咪博士的观点，供大家参考：**

*  如果你是初学者，那么推荐选择 Keras 或 Gluon 这样简单易用的接口入门。至于是 Keras 还是 Gluon 就不必太纠结了，因为二者都很容易上手，完全可以都学一下。如果非要分个先后的话，可以先试试 Gluon 毕竟开发者是中国人，有官方出品的中文教程带你入门。
 *  学完 Keras 或 Gluon “前端”框架之后，再选择一个“后端”框架深入学习，TensorFlow (Keras 后端) 或 MXNet (Gluon 后端) 是咪博士推荐的 2 个后端框架。TensorFlow 谷歌 (Google) 出品，MXNet 有 亚马逊 (Amazon) 支持，它们都是非常优秀的深度学习框架。至于是 TensorFlow 还是 MXNet，那就得看你的需求了。TensorFlow 受众更广，但是性能较差，而且不支持动态计算图；MXNet 目前还比较小众，但性能较好，而且支持动态计算图，十分方便搞自然语言处理 (NLP) 的朋友。
 *  学习完后端框架之后，你就可以非常灵活地定制自己的神经网络，自由地在深度学习的世界里翱翔了。这里候，如果你有兴趣（或需要），可以试试其他的一些框架，如 PyTorch (灵活多变，适合研究), Caffe2 (性能优化，手机也能跑), Deeplearning4j (Java 首选，整合 Hadoop, Spark), 以及 ConvNetJS (Js 开发，浏览器上玩深度学习)。
 *  其他一些深度学习框架，诸如 Theano (Lasagne, 以及 Blocks), Torch, Caffe, CNTK, Chainer, Paddle, DSSTNE, DyNet, BigDL, Neon 等，由于众多原因，咪博士就不给大家推荐了。

**下面是详细的比较和说明：**

**一、推荐使用**

![keras.jpg][]

[**Keras**][Keras]

受到 Torch 启发，Keras 提供了简单易用的 API 接口，特别适合初学者入门。其后端采用 TensorFlow, CNTK，以及 Theano。另外，Deeplearning4j 的 Python 也是基于 Keras 实现的。Keras 几乎已经成了 Python 神经网络的接口标准。

![gluon.png][]

[**Gluon**][Gluon]

亚马逊 (Amazon) 和 微软 (Microsoft) 于 2017 年 10 月联合推出的深度学习 API。Gluon 类似 Keras，提供了简单易用的 API 接口。但和 Keras 不一样的地方是，Gluon 还支持动态计算图（对自然语言处理特别有用）。Gluon 后端目前采用 MXNet，未来还将支持微软的 CNTK。

![tensorflow.png][]

[**TensorFlow**][TensorFlow]

谷歌 (Google) 大厂出品，追随者众多。相比其他框架，TensorFlow 速度较慢，但它提供的 TensorBoard 可视化工具还是很不错的。

![mxnet.png][]

[**MXNet**][MXNet]

已被 亚马逊 (Amazon) 选为 AWS 上的深度学习框架，支持动态图计算。MXNet 有许多中国开发者，因而有非常良好的中文文档支持。Gluon 接口使得 MXNet 像 Keras 一样简单易用。

**二、值得一试**

![pytorch.png][]

[**PyTorch**][PyTorch]

背后金主是 脸书 (Facebook) ，同样支持动态计算图，提供很好的灵活性，适合研究。

![caffe2.jpg][]

[**Caffe2**][Caffe2]

同样是 脸书 (Facebook) 出品，为生产环境设计，提供在各种平台（包括移动设备）的运行时。

![deeplearning4j.jpg][]

[**Deeplearning4j**][Deeplearning4j]

与其他（大多数）基于 Python 的深度学习框架不同，Deeplearning4j 基于 Java 开发，与 Hadoop, Spark 生态结合得很好。尤其令人称道的是其优秀的文档，官司方文档直接就有中文版本。另外，虽然是面向 Java 的框架，Deeplearning4j 也提供了 Python 的接口（基于 Keras 实现）

![convnetjs.jpg][]

[**ConvNetJS**][ConvNetJS]

基于 Javascript 的深度学习框架，可以在浏览器中训练深度神经网络。最重要的用途是帮助学习 Deep Learning

**三、不推荐**

**Theano, Lasagne, 以及 Blocks**

Yoshua Bengio 于 2017 年 09 月宣布不再维护 Theano，所以这个项目事实上已经宣告死亡了。其他基于 Theano 的库，如 Lasagne 和 Blocks，也可以散了。

**Torch**

虽然设计精良（Keras 就是参考 Torch 设计的），但它基于 Lua 语言，太过小众了。而且 Facebook 已经推出了 Python 版本的 PyTorch 了。

**Caffe**

Caffe2 已经正式发布了，彻底取代 Caffe 只是时间问题罢了。

**CNTK**

微软出品，授权协议有一些特别，而且似乎也没有什么特别亮眼的地方。

**Chainer**

曾经是动态计算图的首选框架，特别适用于自然语言处理。但是，现在许多其他的框架，如 MXNet, PyTorch, 以及 DyNet 也支持该特性，所以 Chainer 的这一优势也就不复存在了。

**Paddle**

百度的深度学习框架，受众太小。

**DSSTNE**

曾是亚马逊的深度学习引擎，但是很小众，而且现在亚马逊又选择了 MXNet，所以 DSSTNE 的前途就更渺茫了。

**DyNet**

源自卡耐基梅隆大学，支持动态计算图，但是太小众了。

**BigDL**

Intel 基于 spark 的深度学习库，但只能运行在 Intel 芯片之上。

**Neon**

据说速度很快，但太过小众，而且发展还不完善，许多特性还不支持。

**参考**

1.  [https://deeplearning4j.org/compare-dl4j-tensorflow-pytorch][https_deeplearning4j.org_compare-dl4j-tensorflow-pytorch]
2.  [http://docs.chainer.org/en/stable/comparison.html][http_docs.chainer.org_en_stable_comparison.html]
3.  [http://www.ipaomi.com/2017/11/06/2018-年-深度学习框架-盘点-比较-推荐/][http_www.ipaomi.com_2017_11_06_2018-_-_-_-_-]

[keras.jpg]: http://www.ipaomi.com/wp-content/uploads/2017/11/keras.jpg
[Keras]: https://keras.io/
[gluon.png]: http://www.ipaomi.com/wp-content/uploads/2017/11/gluon.png
[Gluon]: https://github.com/gluon-api/gluon-api
[tensorflow.png]: http://www.ipaomi.com/wp-content/uploads/2017/11/tensorflow.png
[TensorFlow]: https://www.tensorflow.org
[mxnet.png]: http://www.ipaomi.com/wp-content/uploads/2017/11/mxnet.png
[MXNet]: https://mxnet.incubator.apache.org/
[pytorch.png]: http://www.ipaomi.com/wp-content/uploads/2017/11/pytorch.png
[PyTorch]: http://pytorch.org/
[caffe2.jpg]: http://www.ipaomi.com/wp-content/uploads/2017/11/caffe2.jpg
[Caffe2]: https://caffe2.ai/
[deeplearning4j.jpg]: http://www.ipaomi.com/wp-content/uploads/2017/11/deeplearning4j.jpg
[Deeplearning4j]: https://deeplearning4j.org/
[convnetjs.jpg]: http://www.ipaomi.com/wp-content/uploads/2017/11/convnetjs.jpg
[ConvNetJS]: http://cs.stanford.edu/people/karpathy/convnetjs/
[https_deeplearning4j.org_compare-dl4j-tensorflow-pytorch]: https://deeplearning4j.org/compare-dl4j-tensorflow-pytorch
[http_docs.chainer.org_en_stable_comparison.html]: http://docs.chainer.org/en/stable/comparison.html
[http_www.ipaomi.com_2017_11_06_2018-_-_-_-_-]: http://www.ipaomi.com/2017/11/06/2018-%e5%b9%b4-%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e6%a1%86%e6%9e%b6-%e7%9b%98%e7%82%b9-%e6%af%94%e8%be%83-%e6%8e%a8%e8%8d%90/