【導讀】：根據(jù) Github 和 Stack Overflow 上的活潑度以及 Google 查找成果，The Data Incubator 最近制作了一個 23 個搶手深度學習庫的排名。

下表顯現(xiàn)了規(guī)范化后的分數(shù)，其中值 1 表明高于均勻值的一個規(guī)范誤差（均勻值為 0）。 例如，Caffe 在 Github 中的活動是一個高于均勻水準的規(guī)范差，而 deeplearning4j 挨近均勻水平。見結尾的辦法。



成果和評論

該排名根據(jù)三個平等重要的部分：Github（star 和 fork），Stack Overflow（標簽和問題）和 Google 查找成果（總和以及季度增加率）。這 3 部分是經(jīng)過可用的 API 取得的。想弄一個全面的深化學習東西包列表不容易，所以在最終選取了我們以為具有代表性的五個不同的列表（有關詳細信息，請參閱下面的辦法）。核算每種衡量的規(guī)范化分數(shù)，使我們能夠看到在每個類別中哪些包是鋒芒畢露的。

TensorFlow 在最大活潑社區(qū)中占主導

TensorFlow 在一切核算衡量上的均勻值上至罕見兩個規(guī)范誤差。TensorFlow 和第二大盛行結構 Caffe 比較，在 Github 上的 fork 數(shù)幾乎是后者的三倍，在 Stack Overflow 上的問題總量是后者的六倍以上。TensorFlow 由 Google Brain 團隊于 2015 年首度敞開，現(xiàn)已超過了許多的高檔庫，如 Theano（4）和 Torch（8），成為我們榜單的首位。TensorFlow 盡管與在 C++ 引擎上運轉的 Python API 一同分發(fā)，但表中的幾個庫能夠?qū)?TensorFlow 用作后端，并供給它們自己的接口。這些庫包含了 Keras（2），將很快成為 TensorFlow 和 Sonnet 的中心部分（6）。TensorFlow 的盛行可能是其通用的深度學習結構，靈敏的界面，美觀的核算圖形可視化和 Google 的重要開發(fā)人員和社區(qū)資源的合力下的成果。

Caffe 尚未被 Caffe2 所替代

Caffe 在我們的名單上排名第三，除了 TensorFlow 外，Caffe 其在 Github 上的活潑度比其他競爭對手都要多。Caffe 傳統(tǒng)上被以為比 Tensorflow 更專業(yè)，而且專心于圖畫處理，方針辨認和預先練習的卷積神經(jīng)網(wǎng)絡。Facebook 于 2017 年 4 月發(fā)布了 Caffe2（11），而且現(xiàn)已排在了深化學習庫的上半部分。Caffe2 是一個更輕盈、模塊化和可擴展的 Caffe 版別，包含循環(huán)神經(jīng)網(wǎng)絡。Caffe 和 Caffe2 是彼此獨立的庫房（repo），所以數(shù)據(jù)科學家能夠持續(xù)運用開始的 Caffe?？墒?，有一些搬遷東西，比方如 Caffe Translator，它供給了一種運用 Caffe2 來驅(qū)動現(xiàn)有 Caffe 模型的辦法。

Keras 是深度學習上最受歡迎的前端庫

Keras（2）是排名最高的非結構庫。Keras 能夠用作 TensorFlow（1）、Theano（4）、MXNet（7）、CNTK（9）、deeplearning4j（14）的前端。在一切的三個衡量規(guī)范上， Keras 的體現(xiàn)均優(yōu)于均勻水平。Keras 的盛行可能是因為其簡單性和易用性。Keras 答應快速的原型化，但價值是獻身了從結構直接運轉而發(fā)生的一些靈敏性和操控。數(shù)據(jù)科學家在數(shù)據(jù)集上做深度學習的相關試驗時，Keras 遭到了他們的喜愛。跟著 R Studio 最近發(fā)布了 Keras 的界面，Keras 的開展和受歡迎程度還在不斷連續(xù)。

即便沒有巨子支撐，Theano 仍堅持獨占鰲頭

在新的深度學習結構的海洋中，Theano（4）是我們的排名中最陳舊的庫。Theano 創(chuàng)始性地運用了核算圖（computational graph），并在研討界遍及做深度學習和機器學習之時仍堅持盛行。Theano 本質(zhì)上是一個 Python 的數(shù)值核算庫，但能夠與像 Lasagne 這樣的高檔深度學習庫（15）一同運用。盡管 Google 支撐 TensorFlow（1）和 Keras（2），F(xiàn)acebook 支撐 PyTorch（5）和 Caffe2（11），MXNet（7）是 Amazon Web Services 的官方深度學習結構，Microsoft 規(guī)劃并保護了 CNTK（9），Theano 在沒遭到職業(yè)巨子的正式支撐下仍然盛行。

Sonnet 是增加最快的庫

2017 年頭，Google 的 DeepMind 揭露發(fā)布了 Sonnet（6）的代碼，這是一個以 TensorFlow 為根底的高檔面向?qū)ο髱?。Sonnet 的 Google 查找成果回來頁數(shù)比上個季度增加了 272％，是我們列表中一切庫中最大的。盡管 Google 在 2014 年收買了英國人工智能公司DeepMind，但 DeepMind 和 Google Brain 仍然在大體上是獨立團隊。DeepMind 專心于通用人工智能，Sonnet 能夠協(xié)助用戶為他們的詳細 AI 主意和研討做頂層規(guī)劃。

Python 是深度學習的接口言語

PyTorch（5）是我們表中增加速度第二的庫，該結構的僅有接口是 Python。與上季度比較，PyTorch 的 Google 查找成果增加了 236％。在我們排的 23 個開源深度學習結構和包裝器中，只要三個沒有 Python 接口：Dlib（10）、MatConvNet（20）和OpenNN（23）。在 23 個庫中，C ++ 和 R 接口別離只要 7 個和 6 個。盡管數(shù)據(jù)科學界在運用 Python 方面有些挨近同一個一致，但對深度學習庫而言，還有許多的挑選。

約束
 
當然，有些庫因為現(xiàn)已存在了更長的時刻會有更高的數(shù)據(jù)，因而排名更高。僅有考慮到這一點的目標，是 Google 查找季度增加率。

數(shù)據(jù)出現(xiàn)中遇到的一些困難：

·神經(jīng)規(guī)劃和 wolfram 數(shù)學是專有的，故被刪去
·cntk 也被稱為「微軟認知東西包」，可是我們只運用了 ctnk 稱號
·neon 變成了 nervana neon
·paddle 被改為 paddlepaddle
·一些庫顯然是其他庫的衍生品，如 Caffe 和 Caffe2。如果它們有獨自/獨立的 Github 庫房，我們分隔處理這些庫。

辦法

一切源代碼和數(shù)據(jù)都在我們的 Github 頁面上。我們首先從五個不同的來歷中生成了 23 個開源深度學習庫的列表，然后收集了一切這些庫的目標，以取得排名。

Github 的數(shù)據(jù)根據(jù) star 數(shù)和 fork 數(shù)、Stack Overflow 的數(shù)據(jù)包含包稱號的標簽和問題，Google 查找成果則根據(jù)曩昔五年的 Google 查找成果總數(shù)，并核算成果在曩昔三個月與前三個月比較的季度增加率。

一些注意事項：

·有幾個庫是常用詞匯（caffe、chainer、lasagne），因而用于斷定 Google 查找成果數(shù)量的查找詞，包含庫的稱號和術語即“deep learning”。
·任何不可用的 Stack Overflow 計數(shù)都轉換為零計數(shù)。
·計數(shù)被規(guī)范化為均值 0 和誤差 1，然后均勻得到 Github 和 Stack Overflow 分數(shù)，并結合 Serch 成果，然后得到總分。
·做了一些手動查看以承認 Github 庫房方位。