进来了解一下，python的深度学习框架

Theano：

始于2008年，是第一个有较大影响力的python深度学习框架，可用于定义，优化和计算数学表达式，特别是多维数组。不过该库在2017年9月28号宣布停止开发了，所以，不建议作为研究工具继续学习。

TensorFlow：

是由Google公司于2015年推出的全新机器学习开源工具。主要用于进行机器学习和深度神经网络研究，但他也是一个非常基础的系统，因此也可以应用于众多领域。他也是当前最流行的深度学习框架，不过批评声也不少：

过于复杂的系统设计；

频繁变动的接口；

接口设计过于晦涩难懂；

文档混乱脱节；

总结，虽然不完美，但最流行且社区强大，适合生产环境。

Keras：

由纯python编写而成并使用TensorFlow，Theano及CNTK作为后端的深度学习接口。缺点是过度封装导致丧失灵活性，而且程序运行缓慢，许多bug都隐藏于封装之中。总结，入门最简单，就是调用api，但是不够灵活，也学不到深度学习的真正内容。

Caffe/Caffe2：

是一个清晰，高效的深度学习框架，既可以运行在cpu，也可以运行在gpu。优点是简洁快速，缺点是确实灵活性。总结，文档不够完善，但性能优异，几乎全平台支持，适合生产环境，不过难扩展，难配置，现在基于Caff的新项目越来越少了。

MXNet：

是一个深度学习库，支持多语言，可以运行在cpu，gpu，集群，服务器，台式机或者移动设备。以超强的分布式支持，明显的内存和显存优化而为人所称道。总结，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：

最初是出于在Microsoft内部使用而开发的，性能比Caffe，TensorFlow，Theano等主流工具都强，不过文档晦涩难懂，推广不给力，现在用户比较少，但框架质量本身不错，表现比较均衡，在语言领域效果较为突出。总结，社区不够活跃，但性能突出，擅长语音方面的相关研究。

PyTorch：

这个最新框架是2017年1月18日发布的，虽然资历最短，不过是当前难得简洁优雅而高效快速的框架。借鉴了前面的众多框架，该框架目前是深度学习框架的最高水平，没有哪一个框架能在灵活性，易用性，速度三方面有两个能同时超过PyTorch的，可以考虑从他开始学习。

以上来自深度学习框架一书，如有不当之处，欢迎指正。