TensorFlow、Keras等23个深度学习库排名
the data incubator 最近制作了一个 23 个热门深度学习库的排名。此排名基于三个指标：github上的活跃度、stack overflow上的活跃度以及谷歌搜索结果数量。下面一起来看看排名情况
总体排名结果
上表排名给出了每个开源库的总分值，以及各自在 github、stack overflow 以及谷歌搜索上的得分（其中 0 为平均值）。
结果与讨论
排名是基于同样基于三个组成部分：github（星星数和分支），stack overflow（标签和问题）和 google results（总体增长率和季度增长率）。这些是使用可用的 api 获得的。
制作一个深入学习工具包的综合排名列表是有很大难度的 - 我们罗列出了最具代表性的五个列表，计算每个指标的标准化分数，得出最终排名。比如，caffe 在 github 上的标准评分为 1，deeplearning4j 则为 0.06。
tensorflow 在最大活跃社区中占主导
tensorflow 所有指标的得分至少比平均值高出两倍多。在 github 上的分支数几乎是第二名的三倍，stack overflow 上的问题总数是第二名的六倍多。google brain 团队于 2015 年首次开源 tensorflow，之后一路攀升，超越排名第四的 theano 和排名第八的 torch，成为排行榜榜首。
tensorflow 虽然与在 c++ 引擎上运行的 python api 一起分发，但列表中的一些库可以 tensorflow 作为后端使用，并提供自己的接口。比如排行第二的keras，将很快成为tensorflow和sonnet核心的一部分。tensorflow 的流行可能是由于其通用深度学习框架，灵活的界面，漂亮的计算图形可视化以及google大量的开发人员与社区资源的结合。了解更多 tensorflow 点击：《【开源推荐 5】快速入门 google 机器学习系统 tensorflow》
caffe 尚未被 caffe2 所取代
caffe 排行第三，除 tensorflow，caffe 在 github 上的活跃度要比其他竞争对手高很多。caffe 通常被认为比 tensorflow 更加专业化，其开发了专注于图像处理，目标识别和预训练卷积神经网络。facebook 于 2017 年 4 月发布 caffe 2，如今已经排在了深度学习库的上半部分。caffe2 是一个更轻量，模块化和可扩展的 caffe 版本，包括循环神经网络。caffe 和 caffe2 是相互独立的，所以数据科学家可以继续使用最初的 caffe。但是，有一些迁移工具，如 caffe translator，提供了一种 caffe2 用来驱动现有的 caffe 模型。
keras 最受欢迎的深度学习前端
keras 排名最高的非框架深度学习库。keras 可以被用作 tensorflow、theano、mxnet、cntk 或 deeplearning4j 的前端。keras 在所有的三个指标上表现都高于于平均值。
keras 由于其简单性和易用性而备受欢迎。keras 数据科学家们对数据集上进行相关实验时，往往都喜欢采用 keras。随着 r studio 最近发布了 keras 的界面，keras 的流行度往后还会不断提高。
theano 没有行业巨头支持，仍实力强大
在众多新的深度学习框架当中，theano 是列表中出现最早的深度学习库。theano 率先使用了计算图，如今在深度学习和机器学习的研究界仍然很受欢迎。theano 本质上是一个 python 的数值计算库，但是可以像 lasagne 这样的高阶深度学习库一起使用。
tensorflow 和 keras 背后有谷歌强有力的支持，pytorch 和 caffe2 背后有 facebook，mxnet 是亚马逊网络服务（aws）的官方深度学习框架，以及微软设计维护的 cntk ，theano 背后没有行业巨头支持，但是仍然十分受欢迎。
sonnet 发展最快的深度学习库
早在 2017 年年初，google 的 deepmind 就公开发布了 sonnet 的代码，这是一个基于 tensorflow 的神经网络库。在 google 搜索 sonnet，返回的结果页面数比上一季度增加了 272％，这是我们列表中所有库中增长最多的一个。虽然 google 在 2014 年收购了英国人造智能公司 deepmind，但 deepmind 和 google brain 大体上仍然是两个独立的团队。deepmind 专注于人工智能，sonnet 帮助用户在他们特定的 ai 理念和研究之上构建顶层架构
python 是深度学习接口的主要语言
pytorch 是列表中增长速度第二快的库，底部唯一的接口是python。与上一季度相比，google 搜索 pytorch，结果页面多了 236％。排名前 23 的开源深度学习框架和包装器中，只有三个没有 python 接口，分别是：dlib ，matconvnet 和opennn。c ++ 和 r 接口分别有 7 个和 6 个。尽管看起来数据科学界在使用 python 方面已经达成共识，但深度学习仍有许多选择。
局限性
所有的源代码和数据都在我们的 github 页面上。深度学习库的完整列表来自不同来源。当然，一些发布历史比较久的库会有更高的指标，因此排名更前面。这里使用的唯一指标是谷歌搜索季度增长率。
数据中一些难题的处理方式：
● neural designer 并且 wolfram mathematica 是特有的，因此就剔除了
● cntk 也被称为 microsoft cognitive toolkit，但我们只用了原始的 cntk 名字
● neon 改为 nervana neon
● paddle 改为 paddlepaddle
● 一些库显然是其他库的衍生物，如 caffe 和 caffe2。对于此类情况，如果他们有独立的 github 代码库，我们就会把它们分开计算排名
方法
所有源代码和数据都在我们的github页面上。
我们首先从五个不同的来源，产生 23 个开源深度学习库，然后收集所有这些库的标准，从而得出排名。github 数据基于星星数和分支数，stack overflow 数据基于包含软件包名称的标签及问题数量，google results 基于过去五年中 google 搜索结果的总数，以及季度增长率的比较。
其他一些说明：
● 用于确定谷歌搜索的搜索词包括库名和术语“deep learning”。
● 任何缺少 stack overflow 计数的数值一律转换为 0
● 计数标准化，均值为 0 和偏差 1，然后平均得到 github 和 stack overflow 得分，再加上 serch results 得到的总得分。
● 最后手动检查以确认 github 代码库的位置。
小康助手在线健康咨询有妙招， 7*24小时无限次解答您的健康问题
传感器和数字技术的进步如何帮助改善患者护理
VAR技术在世界杯中发挥的作用
当前加密行业里人才库的形成和流动分析
路口预警雷达在路口安全预警提示中的应用
TensorFlow、Keras等23个深度学习库排名
通勤蓝牙耳机有哪些推荐？佩戴舒适的蓝牙耳机排行榜
顺序定时电路图
红外线测温仪原理_红外线测温仪多少温度为正常
公网对讲机使用的流量池你了解吗
iPhone8什么时候上市：iPhone8外形确定为水滴形设计，5大黑科技加持！配置比你想像的更强大
程序员的三个阶段
WAYON维安（KOYUELEC光与电子）功率肖特基二极管，在适配器领域方案与应用
蓝思科技2018年上半年净利润增长，下半年出货峰值将超去年
Zoom视频通讯营收同比增长355% Zoom暴涨40.78%
智慧城市的建设可以脱离5G吗
适合大数据分析的工具有哪些
终于不用再去抢购了，小米mix现货开卖！
苹果真无线耳机AirPods在全球市场规模上占据第一
Atmosic与Universal Electronics在能量收集领域建立技术合作关系
总体排名结果
上表排名给出了每个开源库的总分值，以及各自在 github、stack overflow 以及谷歌搜索上的得分（其中 0 为平均值）。
结果与讨论
排名是基于同样基于三个组成部分：github（星星数和分支），stack overflow（标签和问题）和 google results（总体增长率和季度增长率）。这些是使用可用的 api 获得的。
制作一个深入学习工具包的综合排名列表是有很大难度的 - 我们罗列出了最具代表性的五个列表，计算每个指标的标准化分数，得出最终排名。比如，caffe 在 github 上的标准评分为 1，deeplearning4j 则为 0.06。
tensorflow 在最大活跃社区中占主导
tensorflow 所有指标的得分至少比平均值高出两倍多。在 github 上的分支数几乎是第二名的三倍，stack overflow 上的问题总数是第二名的六倍多。google brain 团队于 2015 年首次开源 tensorflow，之后一路攀升，超越排名第四的 theano 和排名第八的 torch，成为排行榜榜首。
tensorflow 虽然与在 c++ 引擎上运行的 python api 一起分发，但列表中的一些库可以 tensorflow 作为后端使用，并提供自己的接口。比如排行第二的keras，将很快成为tensorflow和sonnet核心的一部分。tensorflow 的流行可能是由于其通用深度学习框架，灵活的界面，漂亮的计算图形可视化以及google大量的开发人员与社区资源的结合。了解更多 tensorflow 点击：《【开源推荐 5】快速入门 google 机器学习系统 tensorflow》
caffe 尚未被 caffe2 所取代
caffe 排行第三，除 tensorflow，caffe 在 github 上的活跃度要比其他竞争对手高很多。caffe 通常被认为比 tensorflow 更加专业化，其开发了专注于图像处理，目标识别和预训练卷积神经网络。facebook 于 2017 年 4 月发布 caffe 2，如今已经排在了深度学习库的上半部分。caffe2 是一个更轻量，模块化和可扩展的 caffe 版本，包括循环神经网络。caffe 和 caffe2 是相互独立的，所以数据科学家可以继续使用最初的 caffe。但是，有一些迁移工具，如 caffe translator，提供了一种 caffe2 用来驱动现有的 caffe 模型。
keras 最受欢迎的深度学习前端
keras 排名最高的非框架深度学习库。keras 可以被用作 tensorflow、theano、mxnet、cntk 或 deeplearning4j 的前端。keras 在所有的三个指标上表现都高于于平均值。
keras 由于其简单性和易用性而备受欢迎。keras 数据科学家们对数据集上进行相关实验时，往往都喜欢采用 keras。随着 r studio 最近发布了 keras 的界面，keras 的流行度往后还会不断提高。
theano 没有行业巨头支持，仍实力强大
在众多新的深度学习框架当中，theano 是列表中出现最早的深度学习库。theano 率先使用了计算图，如今在深度学习和机器学习的研究界仍然很受欢迎。theano 本质上是一个 python 的数值计算库，但是可以像 lasagne 这样的高阶深度学习库一起使用。
tensorflow 和 keras 背后有谷歌强有力的支持，pytorch 和 caffe2 背后有 facebook，mxnet 是亚马逊网络服务（aws）的官方深度学习框架，以及微软设计维护的 cntk ，theano 背后没有行业巨头支持，但是仍然十分受欢迎。
sonnet 发展最快的深度学习库
早在 2017 年年初，google 的 deepmind 就公开发布了 sonnet 的代码，这是一个基于 tensorflow 的神经网络库。在 google 搜索 sonnet，返回的结果页面数比上一季度增加了 272％，这是我们列表中所有库中增长最多的一个。虽然 google 在 2014 年收购了英国人造智能公司 deepmind，但 deepmind 和 google brain 大体上仍然是两个独立的团队。deepmind 专注于人工智能，sonnet 帮助用户在他们特定的 ai 理念和研究之上构建顶层架构
python 是深度学习接口的主要语言
pytorch 是列表中增长速度第二快的库，底部唯一的接口是python。与上一季度相比，google 搜索 pytorch，结果页面多了 236％。排名前 23 的开源深度学习框架和包装器中，只有三个没有 python 接口，分别是：dlib ，matconvnet 和opennn。c ++ 和 r 接口分别有 7 个和 6 个。尽管看起来数据科学界在使用 python 方面已经达成共识，但深度学习仍有许多选择。
局限性
所有的源代码和数据都在我们的 github 页面上。深度学习库的完整列表来自不同来源。当然，一些发布历史比较久的库会有更高的指标，因此排名更前面。这里使用的唯一指标是谷歌搜索季度增长率。
数据中一些难题的处理方式：
● neural designer 并且 wolfram mathematica 是特有的，因此就剔除了
● cntk 也被称为 microsoft cognitive toolkit，但我们只用了原始的 cntk 名字
● neon 改为 nervana neon
● paddle 改为 paddlepaddle
● 一些库显然是其他库的衍生物，如 caffe 和 caffe2。对于此类情况，如果他们有独立的 github 代码库，我们就会把它们分开计算排名
方法
所有源代码和数据都在我们的github页面上。
我们首先从五个不同的来源，产生 23 个开源深度学习库，然后收集所有这些库的标准，从而得出排名。github 数据基于星星数和分支数，stack overflow 数据基于包含软件包名称的标签及问题数量，google results 基于过去五年中 google 搜索结果的总数，以及季度增长率的比较。
其他一些说明：
● 用于确定谷歌搜索的搜索词包括库名和术语“deep learning”。
● 任何缺少 stack overflow 计数的数值一律转换为 0
● 计数标准化，均值为 0 和偏差 1，然后平均得到 github 和 stack overflow 得分，再加上 serch results 得到的总得分。
● 最后手动检查以确认 github 代码库的位置。
小康助手在线健康咨询有妙招， 7*24小时无限次解答您的健康问题
传感器和数字技术的进步如何帮助改善患者护理
VAR技术在世界杯中发挥的作用
当前加密行业里人才库的形成和流动分析
路口预警雷达在路口安全预警提示中的应用
TensorFlow、Keras等23个深度学习库排名
通勤蓝牙耳机有哪些推荐？佩戴舒适的蓝牙耳机排行榜
顺序定时电路图
红外线测温仪原理_红外线测温仪多少温度为正常
公网对讲机使用的流量池你了解吗
iPhone8什么时候上市：iPhone8外形确定为水滴形设计，5大黑科技加持！配置比你想像的更强大
程序员的三个阶段
WAYON维安（KOYUELEC光与电子）功率肖特基二极管，在适配器领域方案与应用
蓝思科技2018年上半年净利润增长，下半年出货峰值将超去年
Zoom视频通讯营收同比增长355% Zoom暴涨40.78%
智慧城市的建设可以脱离5G吗
适合大数据分析的工具有哪些
终于不用再去抢购了，小米mix现货开卖！
苹果真无线耳机AirPods在全球市场规模上占据第一
Atmosic与Universal Electronics在能量收集领域建立技术合作关系