对你来说，哪一个深度学习网络是最佳选择？

来源：http://www.cio.com/article/3193689/artificial-intelligence/which-deep-learning-network-is-best-for-you.html

开源的深度学习神经网络正是当今的潮流，但是有很多提供机器学习和人工智能的方案，并且这些平台超过专业的方案和平台。对你来说，哪一个开源框架平台是你的最佳选择呢？

在这篇文章“Big data – a roadmap for smarter data”里，我说明了机器学习的框架平台功能，比如图片、手写、视频、语音、自然语言等处理和物体识别。但是没有完美的深度学习网络，将解决你所有的业务问题。希望本文帮助你选择合适的方案和平台，下面的表格与大纲将提供给您进行参考，同时根据您的业务问题的选择最适合的框架平台。

下图说明了深度学习框架平台在GitHub网站上最受欢迎的排名，排名的依据是GitHub网站开发者对这个平台的星级评价。下面的数据是2017年5月初的数据。

TensorFlow

Google的TensorFlow早期的名称叫做DistBelief V2，它是Google大脑项目里开发深度神经网络的一部分。也有人说TensorFlow是从Theano重新开发的架构平台。

当Google开源TensorFlow平台时，它立即就获得了大量开发者注意。TensorFlow支持广泛的功能，如图像，手写和语音识别，预测和自然语言处理。 TensorFlow采用Apache 2.0的协议开源，发布于2015年11月9日。

TensorFlow在2017年2月15日发布1.0版本，这个版本加速解决前面8个发布版本的问题，比如很多不完善的核心问题和受人诽议的性能问题。下面是TensorFlow最新的功能列表。

TensorFlow提供这些工具：

·        TensorBoard 是一个非常好用的神经网络建模和性能查看的可视化工具。

• TensorFlow Serving 使得部署新的算法和实验变得容易，同时保持相同的服务器体系结构和API。TensorFlow Serving提供了很多开箱即用的模型功能，但这些模型也很方便扩展和使用不同数据。

TensorFlow的编程接口包含Python 和 C++。在1.0版本发布时，预计将来支持Java, GO,R, 和 Haskell API编程语言。另外，TensorFlow支持Google和Amazon的云计算平台。

TensorFlow 0.12发布版本时支持Windows 7,10 和2016服务器。TensorFlow的库支持ARM平台进行编译和优化，因为它是采用C++语言来实现的库，意味着你可以在不同的服务器或移动设备里训练模型，而不需要实现不同的模型代码或加载一个Python解释器。

TensorFlow支持用户自定义处理深度网络层的细节功能，且不需要使用低级语言。比如子数据流图的执行，就允许你操作和取回数据流图每一条边执行的数据和结果，这个功能对于调试复杂数据流图是非常有帮助的。

TensorFlow分布式的功能是从0.8版本开始支持，这样你可以让同样的模型在不同的设备上并行进行训练。

TensorFlow目前已经被StanfordUniversity, Berkeley College, University of Toronto 和 Udacity等大学采用来教学,2016年3月在网络上开始开放在线教学。

TensorFlow缺点：

·        TensorFlow里的数据流图只支持静态创建和缺少符号循环，这对于一些需要动态修改数据流图和环的计算就比较困难。

·        没有3-D卷积运算，对于视频识别应用是特别有用。

·        TensorFlow即使比它旧版本（v0.5）快了58倍，但是比它的竞争者还是有点慢。

Caffe

Caffe 是出自YangqingJia开发的平台，他目前正在主导Facebook AI平台开发。Caffe也许是第一个主流工业级的深度学习平台，它旦生于2013年。由于它有非常优秀的卷积模型，因而它在计算机视觉交互方面非常流行，同时在2014年的ImageNet比赛里获取第一名。Caffe采用BSD 2-Clause协议发布。

速度是Caffe的优势，从而让它在实验研究和商业部署都非常优秀。 Caffe通过单一Nvidia K40 GPU就可以每天处理60M图片。图片的推理运算是1 ms一张图片，学习运算是4 ms/张，近来发布的版本仍旧速度很快。

Caffe是基于C++语言开发，它也能在不同的设备进行编译，可以在不同Windows交叉编译或者多平台移值。Caffe支持C++, Matlab 和 Python编程接口。Caffe在“Model Zoo”里有大量用户提供相互交流的深度学习的模型。AlexNet 和 GoogleNet是两个最流行用户自定义的神经网络。

Caffe在视觉识别方面非常流行的深度学习的神经网络。但是Caffe与TensorFlow, CNTK 和 Theano相比，它不支持神经网络细节操作的功能。如果想建立一个复杂的神经网络，必须使用低级语言来构造。它对循环神经网络和语言建模是比较弱的，因为它没有这样的架构。

(未完)

1.Unity5.x游戏基础入门

http://edu.csdn.net/course/detail/4810

2. TensorFlow API攻略

http://edu.csdn.net/course/detail/4495

3. TensorFlow入门基本教程

http://edu.csdn.net/course/detail/4369

4. C++标准模板库从入门到精通 

http://edu.csdn.net/course/detail/3324

5.跟老菜鸟学C++

http://edu.csdn.net/course/detail/2901

6. 跟老菜鸟学python

http://edu.csdn.net/course/detail/2592

7. 在VC2015里学会使用tinyxml库

http://edu.csdn.net/course/detail/2590

8. 在Windows下SVN的版本管理与实战 

 http://edu.csdn.net/course/detail/2579

9.Visual Studio 2015开发C++程序的基本使用 

http://edu.csdn.net/course/detail/2570

10.在VC2015里使用protobuf协议

http://edu.csdn.net/course/detail/2582

11.在VC2015里学会使用MySQL数据库

http://edu.csdn.net/course/detail/2672