TensorFlow、PyTorch、Keras：NLP框架哪家强

全文共3412字，预计学习时长7分钟

在对TensorFlow、PyTorch和Keras做功能对比之前，先来了解一些它们各自的非竞争性柔性特点吧。

非竞争性特点

下文介绍了TensorFlow、PyTorch和Keras的几个不同之处，便于读者对这三个框架有初步了解。列出这些区别的重点不在于对三者做比较，而在于做一个初步介绍。

TensorFlow

· 开发者：Google

· 2017年1月发布1.0版本

PyTorch

· 开发者：Facebook

· 2018年10月发布1.0版本

· 基于Torch开发（Torch是基于Lua开发的另一个深度学习框架）

Keras

· 是一个高级API，降低了深度学习框架的复杂程度

· 可以在其他深度学习API，如TensorFlow、Theano和CNTK上运行

· 本身并不是一个库

竞争性区别

下面将介绍这三个框架更加具有竞争性的区别。本文着重分析比较了这三个框架用于自然语言处理（Natural Language Processing，NLP）时的不同之处。 

1. 可用的RNN类型

当试图用深度学习方法来解决NLP问题时，循环神经网络（Recurrent Neural Networks，RNNs）是开发者最常用的专业架构。因此，本文也选择从这一角度切入来比较TensorFlow、PyTorch和Keras框架。

本文比较的三种框架都具有可用于构建简单RNN以及更复杂的RNN——门控循环单元（Gated Recurrent Units，GRU）和长短时记忆网络（Long Short Term Memory networks，LSTM）的模块。

PyTorch：

PyTorch提供2种不同层次的类别（class）用于构建循环网络：

· 多层次类别（Multi-layer class