对机器学习开源框架的一些认识

开源框架有：Theano、Tensorflow、Caffe、Torch、SciKit-learn等

各自的应用：

1.Theano开发于2007年，擅长处理多维数组的库，偏底层，需要从底层建立模型。与后来出现的Tensorflow非常相似。它的优点有：使用计算图，RNN 与计算图兼容良好，有 Keras 和 Lasagne 这样高层的库，门槛比Tensorflow 低，缺点有：底层，较Torch臃肿，对事先训练过的模型支持不足，大模型需要时间较长。

2.Caffe:convolution architecture for feather extration特征提取卷积框架，用于计算机视觉，进行图像分类，对语音识别、文字识别、处理时间序列数据不支持。但能在Model Zool事先训练好的模型中挑选自己需要的直接下载使用。其中Alex’s CIFAR-10 tutorial with Caffe、Training LeNet on MNIST with Caffe、ImageNet with Caffe是世界一流的。适合于基础算法为主的工业应用，适用于前馈神经网络，Python的交互界面也不错，但是对于特殊的应用，可能需要加入C++和CUDA，灵活性会差一些，对于递归神经网络，表现也不太好，对大型神经网络也比较繁琐，无商业支持。

3.Torch：Lua语言支持的，原生交互界面对卷积神经网络友好，扩展工具提供了丰富的递归神经网络的模型，不需要写C++代码，灵活性较高。在增强学习领域，卷积神经网络和代理处理图像问题方面应用热门。但它需要自己训练代码，不适合循环神经网络。无商业支持。

4.SciKit-learn：提供一系列监督学习和无监督学习算法。用于数据挖掘和数据分析，几乎涵盖了机器学习的主流算法，相对于Tensorflow的底层，SciKit-learn用的模块化的方式，很多算法模型直接能用。但是其灵活性较低。

5.MXNet:亚马逊的御用平台，拥有Theano和Tensorflow的数据流图，为多GPU提供了良好配置。可以在很多硬件上运行。

 

参考文献：https://www.leiphone.com/news/201701/Lutmxs35U8ZNF7p6.html

                    https://baike.baidu.com/item/mxnet/22228269

架构：https://blog.csdn.net/l18930738887/article/details/50629962