我們對23種用于數(shù)據(jù)科學(xué)的開源深度學(xué)習(xí)庫作了排名。這番排名基于權(quán)重一樣大小的三個指標(biāo)：Github上的活動、Stack Overflow上的活動以及谷歌搜索結(jié)果。

排名結(jié)果

下面是23種用于數(shù)據(jù)科學(xué)的開源深度學(xué)習(xí)庫的排名，按照Github上的活動、Stack Overflow上的活動以及谷歌搜索結(jié)果來衡量。該表顯示了標(biāo)準(zhǔn)化分?jǐn)?shù)，1這個值表示高于平均值（平均值=0）一個標(biāo)準(zhǔn)偏差。比如說，Caffe高于Github活動方面的平均值一個標(biāo)準(zhǔn)偏差，而deeplearning4j接近平均值。

方法詳見如下

結(jié)果和討論

排名基于權(quán)重一樣大小的三個指標(biāo)：Github（星標(biāo)和分支）、Stack Overflow（標(biāo)簽和問題）以及谷歌結(jié)果（總體增長率和季度增長率）。這些是使用可用的API獲得的。制作一個全面的深度學(xué)習(xí)工具包列表很棘手——最后，我們列出了我們認(rèn)為有代表性的五個不同的列表（參閱下面介紹的方法，可了解詳細(xì)信息）。計算每個度量指標(biāo)的標(biāo)準(zhǔn)化分?jǐn)?shù)后，我們就能看到哪些軟件包在每個類別中脫穎而出。

TensorFlow憑最大的活躍社區(qū)一路領(lǐng)跑

在所有衡量指標(biāo)中，TensorFlow比平均值高出至少兩個標(biāo)準(zhǔn)偏差。相比第二大流行框架：Caffe，TensorFlow的Github分支數(shù)量幾乎是其三倍，Stack Overflow問題更是其六倍以上。TensorFlow最初由谷歌Brain團隊于2015年開源，發(fā)展勢頭已超過歷史更悠久的庫，比如Theano（第4位）和Torch（第8位），躍居我們榜單的首位。雖然TensorFlow附帶在C++引擎上運行的Python API，但本榜單上的幾種庫可以使用TensorFlow作為后端，提供各自的接口。這些庫包括Keras（第2位，很快將成為核心TensorFlow的一部分）和Sonnet（第6位）。TensorFlow之所以人氣這么高，可能是由于它結(jié)合了通用深度學(xué)習(xí)框架、靈活的接口、外觀整潔的計算圖形可視化以及谷歌龐大的開發(fā)者和社區(qū)資源。

Caffe尚未被Caffe2所取代

Caffe在本榜單上排名第三，Github上的活動比其所有競爭對手（TensorFlow除外）都要多。Caffe歷來被認(rèn)為比Tensorflow更專門化，當(dāng)初專注于圖像處理、對象識別和預(yù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)。Facebook于2017年4月發(fā)布了Caffe2（第11名），Caffe2已經(jīng)躋身于深度學(xué)習(xí)庫的上半部分。Caffe2是一種更輕量級、模塊化、可擴展的Caffe，它包括循環(huán)神經(jīng)網(wǎng)絡(luò)。Caffe和Caffe2是獨立的代碼庫，所以數(shù)據(jù)科學(xué)家可以繼續(xù)使用原來的Caffe。然而，一些遷移工具（比如Caffe Translator）為使用Caffe2來驅(qū)動現(xiàn)有的Caffe模型提供了一種手段。

Keras（第2位）是排名最高的非框架庫。Keras可以用作TensorFlow（第1位）、Theano（第4位）、MXNet（第7位）、CNTK（第9位）或deeplearning4j（第14位）的前端。Keras在所有三個衡量指標(biāo)方面的表現(xiàn)均勝過平均值。Keras之所以人氣很旺，可能歸功于其簡單性和易用性。Keras允許用戶快速建立原型，代價是直接使用框架所帶來的靈活性和控制性方面欠缺一點。Keras頗受對數(shù)據(jù)集使用深度學(xué)習(xí)的數(shù)據(jù)科學(xué)家的青睞。由于R Studio最近發(fā)布了使用R的面向Keras的接口，Keras的發(fā)展和人氣指數(shù)不斷提升。

即便沒有行業(yè)的大力支持，Theano依然名列前茅

在眾多新的深度學(xué)習(xí)框架中，Theano（第4位）是本榜單上歷史最悠久的庫。Theano率先使用了計算圖，在整個深度學(xué)習(xí)和機器學(xué)習(xí)研究界當(dāng)中仍很受歡迎。Theano實際上就是面向Python的數(shù)值計算庫，但可以與像Lasagne（第15位）這樣的高級深度學(xué)習(xí)封裝庫一起使用。谷歌支持TensorFlow（第1位）和Keras（第2位），F(xiàn)acebook支持PyTorch（第5位）和Caffe2（第11位），而MXNet（第7位）是亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）的官方深度學(xué)習(xí)框架，微軟設(shè)計并維護CNTK（第9位），雖然沒有得到哪家技術(shù)行業(yè)巨頭的官方支持，但Theano依然頗受歡迎。

Sonnet是發(fā)展最快的庫

2017年年初，谷歌的DeepMind公開發(fā)布了Sonnet（第6位）的代碼，這是一種以TensorFlow為基礎(chǔ)的面向?qū)ο蟮母呒墡?。這個季度相比上個季度，Sonnet的谷歌搜索結(jié)果中返回的頁面數(shù)量增加了272%，這是我們排名的所有庫中增幅最大的。雖然谷歌在2014年收購了DeepMind這家英國人工智能公司，但DeepMind和谷歌Brain仍擁有基本上獨立的團隊。DeepMind專注于強人工智能，Sonnet可以幫助用戶在特定的AI想法和研究的基礎(chǔ)上構(gòu)建神經(jīng)網(wǎng)絡(luò)。

Python是深度學(xué)習(xí)接口的首選語言

PyTorch（第5位）是其單一接口使用Python的一種框架，它是本榜單上發(fā)展速度第二快的庫。與上季度相比，PyTorch的谷歌搜索結(jié)果多了236%。在我們排名的23種開源深度學(xué)習(xí)框架和封裝庫中，只有三種沒有使用Python的接口：Dlib（第10位）、MatConvNet（第20位）和OpenNN（第23位）。C++接口和R接口分別用于23種庫中的7種庫和6種庫。雖然數(shù)據(jù)科學(xué)界在使用Python方面幾乎趨于一致，但是深度學(xué)習(xí)庫方面還是有許多選擇。

限制

與任何分析一樣，我們一路上做出了決定。所有源代碼和數(shù)據(jù)都在我們的Github頁面上。深度學(xué)習(xí)庫的完整列表來自幾個來源。

當(dāng)然，一些歷史更悠久的庫會有更高的指標(biāo)，因而排名更高。唯一考慮到這一點的指標(biāo)是谷歌搜索季度增長率。

數(shù)據(jù)帶來了幾個難題：

Neural Designer和Wolfram Mathematica是專有的，已被剔除

cntk又叫微軟認(rèn)知工具包，但是我們只使用了原來的ctnk名字

neon改成了nervana neon

paddle改成了paddlepaddle

一些庫顯然是其他庫的衍生版，比如Caffe和Caffe2。如果這些庫有獨特的github代碼庫，我們決定將它們分開來對待。

方法

所有源代碼和數(shù)據(jù)都放在我們的Github頁面上。

我們先從五個不同的來源制作了23種開源深度學(xué)習(xí)庫列表，然后為所有庫收集了指標(biāo)，以得出排名。Github數(shù)據(jù)基于星標(biāo)和分支，Stack Overflow數(shù)據(jù)基于含有軟件包名稱的標(biāo)簽和問題，谷歌結(jié)果基于過去五年的谷歌搜索結(jié)果總數(shù)和過去三個月較之前三個月計算出來的季度結(jié)果增長率。

其他一些注意事項：

幾個庫是常用詞（caffe、chainer和lasagne），因此用來確定谷歌搜索結(jié)果數(shù)量的搜索詞包括庫名和“deep learning”這個術(shù)語。

任何缺少的Stack Overflow計數(shù)一律轉(zhuǎn)換為零計數(shù)。

計數(shù)標(biāo)準(zhǔn)化，均值為0，偏差為1，然后求平均值，以獲得Github和Stack Overflow分?jǐn)?shù)，最后結(jié)合搜索結(jié)果得出總分。

進(jìn)行一番手動檢查，確認(rèn)Github的代碼庫位置。