常用深度学习框架

Caffe：适合前馈网络、图像处理，训练已有网络模型无须编写代码，提供Python和MATLAB接口。

            不支持自动求导，不适合循环网络，用于大型网络过于繁琐。

Deeplearning4j：适用于分布式集群，可高效处理海量数据，跨平台，多种语言接口，支持自动求导。

            提供的预训练模型有限，框架速度不够快。

Keras：可使用Theano,Tensorflow,Deeplearning4j后端，支持自动求导，框架更新速度快。

            Theano作为后端时不支持单机多卡。

MXNet：跨平台，多语言接口。

             不支持自动求导。

MatConvNet：基于MATLLAB，提供了丰富预训练模型。

             不支持自动求导，跨平台能力差。

TensorFlow:支持强化学习和其他算法的工具，跨平台能力强，支持自动求导。

             运行慢。

Theano：支持Python和Numpy，支持自动求导。

             不提供预训练模型，仅支持单机单卡，编译困难且时间长。

Torch:提供大量模块化组件，容易组合，易编写新的网络层，支持丰富的预训练模型，PyTorch为其提供便利的接口。

            一般需要自己编写训练代码。文档质量参差不齐。