深度学习框架的比较（MXNet, Caffe, TensorFlow, Torch, Theano)

1. 基本概念

1.1 MXNet相关概念

    深度学习目标：如何方便的表述神经网络，以及如何快速训练得到模型

    CNN(卷积层)：表达空间相关性(学表示)

    RNN/LSTM：表达时间连续性(建模时序信号)
    命令式编程(imperative programming)：嵌入的较浅，其中每个语句都按原来的意思执行，如numpy和Torch就是属于这种

    声明式语言(declarative programing)：嵌入的很深，提供一整套针对具体应用的迷你语言。即用户只需要声明要做什么，而具体执行则由系统完成。这类系统包括Caffe，Theano和TensorFlow。命令式编程显然更容易懂一些，更直观一些，但是声明式的更利于做优化，以及更利于做自动求导，所以都保留。  

浅嵌入，命令式编程

深嵌入&