本文對(duì) 23 個(gè)深度學(xué)習(xí)庫(kù)進(jìn)行了排名，衡量的標(biāo)準(zhǔn)有三個(gè)：GitHub、Stack Overflow 以及谷歌搜索結(jié)果。TensorFlow 憑借最大、最活躍的社區(qū)主導(dǎo)了該領(lǐng)域，排名第一；Keras 是最為流行的深度學(xué)習(xí)前端，排名第二；Theano 依然實(shí)力強(qiáng)大，即使沒有大公司的支持，排名第四；Sonnet 是成長(zhǎng)最快的庫(kù)，排名第六。

排名

我們排名 23 個(gè)用于數(shù)據(jù)科學(xué)的深度學(xué)習(xí)開源庫(kù)，排名的衡量標(biāo)準(zhǔn)有 3 個(gè)：GitHub、Stack Overflow 活動(dòng)以及谷歌搜索結(jié)果。

上表中給出了每個(gè)開源庫(kù)的總分值，以及各自在 GitHub、Stack Overflow 以及谷歌搜索上的得分（其中 0 為平均值）。比如，Caffe 在 Github 上的標(biāo)準(zhǔn)評(píng)分為 1，deeplearning4j 則接近 0。

結(jié)果與討論

排名綜合考慮上述 3 個(gè)方面而得出：Github（收藏量與 forks）、Stack Overflow（標(biāo)簽與問題）、谷歌搜索（全年與每季的增長(zhǎng)率）。上述指標(biāo)通過可用的 API 獲取，所以得出深度學(xué)習(xí)工具包的完整列表需要一定技巧。計(jì)算每個(gè)指標(biāo)的分值有利于我們知道在該方面深度學(xué)習(xí)庫(kù)的排名情況。

TensorFlow 憑借最大、最活躍的社區(qū)主導(dǎo)了該領(lǐng)域

TensorFlow 在三個(gè)指標(biāo)上的分值均為 2 ；相比于排名第三的 Caffe，TensorFlow 的 Github forks 幾乎是其 3 倍，Stack Overflow 問題是其 6 倍多。TensorFlow 由谷歌大腦團(tuán)隊(duì)于 2015 年首次開源，之后便一路攀升超越 Theano (4) 和 Torch (8) 而排名第一。盡管 TensorFlow 與運(yùn)行在 C 引擎上的 Python API 一起分發(fā)，本次排名中的若干個(gè)庫(kù)可把 TensorFlow 用作后端并提供其接口。這其中包括很快將成為核心 TensorFlow 和 Sonnet (6) 一部分的 Keras (2)。TensorFlow 的流行很可能來自于通用深度學(xué)習(xí)框架、靈活的接口、漂亮的計(jì)算圖可視化以及谷歌大量的開發(fā)者與社區(qū)資源之間的整合。

Caffe 已經(jīng)被 Caffe2 取代

由于比其他深度學(xué)習(xí)庫(kù)（包括 TensorFlow 在內(nèi)）更高的 Github 分值，Caffe 獲得了排名第三的位置。Caffe 一般認(rèn)為比 Tensorflow 更專業(yè)化，其開發(fā)聚焦在圖像處理、目標(biāo)識(shí)別和預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)上。2017 年 4 月 Facebook 發(fā)布了 Caffe2，并已在所有的庫(kù)中排名前半。Caffe2 相較于包含循環(huán)神經(jīng)網(wǎng)絡(luò)的 Caffe 更輕量化、模塊化和可擴(kuò)展。Caffe 與 Caffe2 彼此分離，因此數(shù)據(jù)科學(xué)家可繼續(xù)使用 Caffe。但是，一些遷移工具比如 Caffe Translator 能提供使用 Caffe2 的方法以驅(qū)動(dòng)現(xiàn)有 Caffe 模型。

Keras 是最為流行的深度學(xué)習(xí)前端

Keras (2) 是排名最高的非框架深度學(xué)習(xí)庫(kù)，可被用作 TensorFlow (1)、Theano (4)、MXNet (7)、CNTK (9) 或 deeplearning4j (14) 的前端。Keras 的表現(xiàn)在三個(gè)指標(biāo)上均高于平均值，其流行得益于簡(jiǎn)單性和易于上手。在數(shù)據(jù)集上進(jìn)行深度學(xué)習(xí)實(shí)驗(yàn)的數(shù)據(jù)科學(xué)家尤其喜歡 Keras。隨著 Keras 有了 R 語言接口，Keras 的開發(fā)與流行都將會(huì)繼續(xù)下去。

Theano 依然實(shí)力強(qiáng)大，即使沒有大公司的支持

新的深度學(xué)習(xí)框架層出不窮，Theano (4) 是排名中出現(xiàn)最早的庫(kù)。Theano 率先使用計(jì)算圖，在深度學(xué)習(xí)與機(jī)器學(xué)習(xí)社區(qū)中流行度不減當(dāng)年。Theano 本質(zhì)上是一個(gè)用于 Python 的數(shù)值計(jì)算庫(kù)，也可被用于高階的深度學(xué)習(xí)包裝器，比如 Lasagne (15)。盡管谷歌支持 TensorFlow (1) 和 Keras (2)，F(xiàn)acebook 支持 PyTorch (5) 和 Caffe2 (11)，MXNet (7) 是亞馬遜云服務(wù)官方指定的深度學(xué)習(xí)框架，CNTK (9) 由微軟設(shè)計(jì)開發(fā)并為其所用，Theano 依然很流行，盡管沒有得到任何一家大公司的青睞。

Sonnet 是成長(zhǎng)最快的庫(kù)

2017 年早期，谷歌 DeepMind 公開發(fā)布了 Sonnet(6) 的代碼，這是一個(gè)建立在 TensorFlow 上的高級(jí)目標(biāo)導(dǎo)向的庫(kù)。其在谷歌搜索結(jié)果的頁(yè)數(shù)對(duì)比上一季度增長(zhǎng)了 272%，是我們選取的庫(kù)中增長(zhǎng)最快的。盡管谷歌在 2014 年收購(gòu)了這個(gè)英國(guó)的人工智能公司，DeepMind 和谷歌大腦仍然保持最大程度的獨(dú)立性。DeepMind 關(guān)注人工生成的智能，而 Sonnet 能幫助用戶在他們具體的 AI 想法和研究上構(gòu)建高級(jí)結(jié)構(gòu)。

Python 是深度學(xué)習(xí)接口的主要語言

PyTorch(5) 是一個(gè)底部接口為 Python 的框架，在我們的列表中是成長(zhǎng)第二快的庫(kù)。對(duì)比上一個(gè)季度，PyTorch 的谷歌搜索結(jié)果增長(zhǎng)了 236%。在所有 23 個(gè)開源深度學(xué)習(xí)框架和封裝中，只有三個(gè)沒有使用 Python 接口：Dlib、MatConvNet 和 OpenNN，有 6 到 7 個(gè)庫(kù)分別使用了 C 和 R 的接口。盡管數(shù)據(jù)科學(xué)社區(qū)某種程度上都一致同意使用 Python，實(shí)際上在深度學(xué)習(xí)中還是有很多的選擇。

局限性

使用更長(zhǎng)久的庫(kù)通常會(huì)有更高的指標(biāo)，因此排名會(huì)更加靠前。我們這里只使用了唯一的指標(biāo)，即谷歌搜索季度增長(zhǎng)率（Google search quarterly growth rate）。

數(shù)據(jù)中展示了幾種困難：

神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)和數(shù)學(xué)軟件都是特有的，因此被刪去

CNTK 也稱作微軟認(rèn)知工具箱，但我們只使用了原始的 cntk 命名

Neon 改為 Nervana Neon

Paddle 改為 PaddlePaddle

有些庫(kù)明顯是由其它庫(kù)衍生出來的，比如 Caffe 和 Caffe2。我們決定將擁有唯一的 GitHub 資料庫(kù)的庫(kù)作為單個(gè)處理。

方法

首先，我們從 5 個(gè)不同的來源中生成了一個(gè) 23 個(gè)開源深度學(xué)習(xí)庫(kù)的列表，然后收集它們的所有指標(biāo)，并給出排名。GitHub 數(shù)據(jù)基于 star 指標(biāo)和 fork 指標(biāo)，Stack Overflow 數(shù)據(jù)基于標(biāo)簽和包含軟件包名稱的問題，谷歌搜索結(jié)果基于過去 5 年內(nèi)谷歌搜索的結(jié)果總數(shù)目和過去 3 個(gè)月對(duì)比之前 3 個(gè)月計(jì)算得出的季度增長(zhǎng)率。

GitHub 頁(yè)面：https://github.com/thedataincubator/data-science-blogs/