在这里，我将会介绍当前比较主流的5种深度学习框架，包括 Caffe, TensorFlow, MXNet, Torch, Theano，并对这些框架进行分析。
首先对这些框架进行总览。
库名称
开发语言
速度
灵活性
文档
适合模型
平台
上手难易
Caffe
c++/cuda
快
一般
全面
CNN
所有系统
中等
TensorFlow
c++/cuda/Python
中等
好
中等
CNN/RNN
Linux, OSX
难
MXNet
c++/cuda
快
好
全面
CNN
所有系统
中等
Torch
c/lua/cuda
快
好
全面
CNN/RNN
Linux, OSX
中等
Theano
python/c++/cuda
中等
好
中等
CNN/RNN
Linux, OSX
易
接下来将对这些框架进行分别介绍。
Caffe
第一个主流的工业级深度学习工具。 它开始于2013年底,由UC Berkely的 Yangqing Jia老师编写和维护的具有出色的卷积神经网络实现。在计算机视觉领域Caffe依然是最流行的工具包。 它有很多扩展，但是由于一些遗留的架构问题，不够灵活且对递归网络和语言建模的支持很差。TensorFlow
Google开源的其第二代深度学习技术——被使用在Google搜索、图像识别以及邮箱的深度学习框架。 是一个理想的RNN（递归神经网络）API和实现，TensorFlow使用了向量运算的符号图方法，使得新网络的指定变得相当容易，支持快速开发。 缺点是速度慢，内存占用较大。（比如相对于Torch）MXNet
是李沐和陈天奇等各路英雄豪杰打造的开源深度学习框架，是分布式机器学习通用工具包 DMLC 的重要组成部分。 它注重灵活性和效率，文档也非常的详细，同时强调提高内存使用的效率，甚至能在智能手机上运行诸如图像识别等任务。 Torch Facebook力推的深度学习框架，主要开发语言是C和Lua。 有较好的灵活性和速度。 它实现并且优化了基本的计算单元，使用者可以很简单地在此基础上实现自己的算法，不用浪费精力在计算优化上面。核心的计算单元使用C或者cuda做了很好的优化。在此基础之上，使用lua构建了常见的模型。 缺点是接口为lua语言，需要一点时间来学习。 Theano 2008年诞生于蒙特利尔理工学院，主要开发语言是Python。 Theano派生出了大量深度学习Python软件包，最著名的包括 Blocks和 Keras。 Theano的最大特点是非常的灵活，适合做学术研究的实验，且对递归网络和语言建模有较好的支持，缺点是速度较慢。