编辑：西和西 校对排版：吴双

Caffe

提到深度学习库就不得不提到Caffe，它是由Berkeley Vision and Learning Center建立的深度学习框架。Caffe本身并不是一个Python库，但它可提供绑定到Python上的编程语言。

特性：

1）模块化，且速度极快，能够运行很好的模型与海量数据；

2）在修改结构时，无需修改代码；

3）其模型与相应优化都是以文本而非代码形式给出，因此方便立即上手，被应用于学术界和产业界的各个方面。

Theano

Theano是一个Python库，用来定义、优化、评估涉及多维数组的数学表达式。

它提供了优良的数据结构来表示神经网络层，可以让用户轻松地编写DeepLearning模型，并提供运行在GPU上的选择。与Numpy的数组类似，对线性代数来说十分高效。

特性：

1）紧密集成NumPy——在Theano的编译函数中使用numpy.ndarray；

2）高效的符号分解——Theano替你计算一个或多个输入函数的推倒；

3）速度和稳定性优化——即使x非常小也能正确得到log(1+x)的结果；

4）透明使用GPU——使得执行数据密集型的计算速度高达CPU的140倍（仅对浮点数操作）；

5）动态生成C语言代码——计算表达式更快速；

6）广泛的单元测试和自我验证——能检测和诊断许多类型的错误。

Tensorflow

TensorFlow由谷歌的机器智能研究机构内的Google Brain Team研究人员开发。与Theano类似，TensorFlow也是使用数据流图进行数值计算的开源库。二者相比，TensorFlow的主要优点是分布式计算，尤其是在多GPU的环境中。

Keras

Keras是一个简约且高度模块化的神经网络库，基于Theano和Python语言编写，支持GPU和CPU。它的设计参考了Torch，开发侧重于实现快速试验和创造新的深度学习模型。Keras库的编码风格非常简约、清晰。它把所有的要点用小类封装起来，这样一来便能够很容易地组合在一起并创造出一种全新的模型。

特性：

1）可以便捷、快速地建立原型（总体模块化、极简化、可扩展化）；

2）支持任意连接方式（包括多输入多输出训练）；

3）支持卷积网络和递归网络，以及两者的组合；

4）既可以轻松地构建基于序列的网络，也可以创建基于图形的网络。

Lasagne

Lasagne是Theano中用于构建和训练网络的轻量级库，它使用较少的类和方法尽可能依赖Theano的功能和数据类型，遵循Theano的规定。Lasagne和Keras具有某些类似功能，但并不像Keras一样是一个围绕着Theano的重包装库。简而言之，Lasagne的功能是Theano的低级编程和Keras的高级抽象之间的一个折中。