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。