原文：
www.kdnuggets.com/2018/11/top-python-deep-learning-libraries.html
评论
Python 在机器学习、人工智能、深度学习和数据科学任务中继续引领潮流。根据 builtwith.com 的数据，45%的科技公司更喜欢使用 Python 来实现人工智能和机器学习。
因此，我们决定开始一系列调查不同类别的Python 库：
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升您的数据分析技能
3. Google IT 支持专业证书 - 支持您的组织的 IT
前 13 名 Python 深度学习库 ✅ - 本文
X 大 Python 强化学习和进化计算库 – 敬请期待！
X 大 Python 数据科学库 – 敬请期待！
当然，这些列表完全是主观的，因为许多库可以轻松地归入多个类别。例如，TensorFlow 包含在此列表中，但 Keras 被省略，出现在机器学习库集合中。这是因为 Keras 更像是一个‘最终用户’库，如 SKLearn，而 TensorFlow 更受研究人员和机器学习工程师类型的欢迎。
一如既往，请随时在下方评论区表达您的挫折/异议/烦恼！
图 1：按提交和贡献者排名的前 13 名 Python 深度学习库。 圆圈大小与星级数量成正比。
现在，让我们来看一下名单（截至 2018 年 10 月 23 日的 GitHub 数据）：
1. TensorFlow（贡献者 – 1700，提交 – 42256，星级 – 112591）
TensorFlow 是一个用于数值计算的开源软件库，采用数据流图来进行计算。图中的节点代表数学运算，而图中的边代表在节点之间流动的多维数据数组（张量）。这种灵活的架构使你可以在桌面、服务器或移动设备上的一个或多个 CPU 或 GPU 上部署计算，而无需重写代码。
2. PyTorch（贡献者 – 806，提交 – 14022，星标 – 20243）
PyTorch 是一个 Python 包，提供两个高级特性：
-
类似于 NumPy 的张量计算，具有强大的 GPU 加速
-
基于带有自动微分系统的深度神经网络
你可以在需要时重用你喜欢的 Python 包，如 NumPy、SciPy 和 Cython，以扩展 PyTorch。
3. Apache MXNet（贡献者 – 628，提交 – 8723，星标 – 15447）
Apache MXNet（孵化中）是一个旨在兼顾 效率 和 灵活性 的深度学习框架。它允许你 混合 符号编程和命令式编程 以 最大化 效率和生产力。其核心包含一个动态依赖调度器，可以在运行时自动对符号操作和命令式操作进行并行处理。
4. Theano（贡献者 – 329，提交 – 28033，星标 – 8536）
Theano 是一个 Python 库，允许你高效地定义、优化和评估涉及多维数组的数学表达式。它可以使用 GPU 并执行高效的符号微分。
5. Caffe（贡献者 – 270，提交 – 4152，星标 – 25927）
Caffe 是一个深度学习框架，注重表达、速度和模块化。由伯克利人工智能研究所 (BAIR) / 伯克利视觉与学习中心（BVLC）及社区贡献者开发。
6. fast.ai（贡献者 – 226，提交 – 2237，星标 – 8872）
fastai 库通过现代最佳实践简化了快速而准确的神经网络训练。查看 fastai 网站 以开始使用。该库基于 fast.ai 进行的深度学习最佳实践研究，并包括对 vision、text、tabular 和 collab（协同过滤）模型的“开箱即用”支持。
7. CNTK（贡献者 – 189，提交 – 15979，星标 – 15281）
“微软认知工具包 (cntk.ai) 是一个统一的深度学习工具包，它通过有向图描述神经网络。在这个有向图中，叶节点表示输入值或网络参数，而其他节点表示对其输入的矩阵操作。CNTK 允许用户轻松实现和组合流行的模型类型，如前馈 DNN、卷积网络（CNN）和递归网络（RNN/LSTM）。”
8. TFLearn（贡献者 – 118，提交次数 – 599，星标 – 8632）
“TFlearn 是一个建立在 Tensorflow 之上的模块化和透明的深度学习库。它旨在提供一个更高级的 TensorFlow API，以促进和加速实验，同时保持与 TensorFlow 的完全透明和兼容。”
9. Lasagne（贡献者 – 64，提交次数 – 1157，星标 – 3534）
“Lasagne 是一个轻量级库，用于在 Theano 中构建和训练神经网络。它支持前馈网络，如卷积神经网络（CNN），递归网络包括长短期记忆（LSTM），以及它们的任何组合。”
10. nolearn（贡献者 – 14，提交次数 – 389，星标 – 909）
“nolearn 包含了多个围绕现有神经网络库的包装器和抽象，尤其是 Lasagne，以及一些机器学习实用模块。所有代码均与 scikit-learn 兼容。”
11. Elephas（贡献者 – 13，提交次数 – 249，星标 – 1046）
“Elephas 是一个扩展的 Keras，允许你在大规模上运行分布式深度学习模型。Elephas 目前支持多种应用，包括：”
12. spark-deep-learning（贡献者 – 12，提交次数 – 83，星标 – 1131）
“Deep Learning Pipelines 提供了用于 Python 的可扩展深度学习的高级 API，结合了 Apache Spark。这一库源自 Databricks，并利用 Spark 的两个最强大的方面：”
-
“秉承 Spark 和 Spark MLlib 的精神，它提供了易于使用的 API，使深度学习只需少量代码。”
-
“它利用 Spark 强大的分布式引擎来扩展大规模数据集上的深度学习。”
13. Distributed Keras（贡献者 – 5，提交次数 – 1125，星标 – 523）
“Distributed Keras 是一个构建在 Apache Spark 和 Keras 之上的分布式深度学习框架，专注于“最先进”的分布式优化算法。我们设计了这个框架，使得新分布式优化器可以轻松实现，从而使研究人员能够专注于研究。”
请关注本系列的下一部分——重点讨论强化学习和进化计算库——将在接下来的几周内发布！
相关：