The Data Incubator 最近制作了一個 23 個熱門深度學習庫的排名。此排名基于三個指標：Github上的活躍度、Stack Overflow上的活躍度以及谷歌搜索結果數量。下面一起來看看排名情況

　　總體排名結果

　　上表排名給出了每個開源庫的總分值，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）。

　　結果與討論

　　排名是基于同樣基于三個組成部分：Github（星星數和分支），Stack Overflow（標簽和問題）和 Google Results（總體增長率和季度增長率）。這些是使用可用的 API 獲得的。

　　制作一個深入學習工具包的綜合排名列表是有很大難度的 - 我們羅列出了最具代表性的五個列表，計算每個指標的標準化分數，得出最終排名。比如，Caffe 在 Github 上的標準評分為 1，deeplearning4j 則為 0.06。

　　TensorFlow 在最大活躍社區中占主導

　　TensorFlow 所有指標的得分至少比平均值高出兩倍多。在 Github 上的分支數幾乎是第二名的三倍，Stack Overflow 上的問題總數是第二名的六倍多。Google Brain 團隊于 2015 年首次開源 TensorFlow，之后一路攀升，超越排名第四的 Theano 和排名第八的 Torch，成為排行榜榜首。

　　TensorFlow 雖然與在 C++ 引擎上運行的 Python API 一起分發，但列表中的一些庫可以 TensorFlow 作為后端使用，并提供自己的接口。比如排行第二的Keras，將很快成為TensorFlow和Sonnet核心的一部分。TensorFlow 的流行可能是由于其通用深度學習框架，靈活的界面，漂亮的計算圖形可視化以及Google大量的開發人員與社區資源的結合。了解更多 TensorFlow 點擊：《【開源推薦 5】快速入門 Google 機器學習系統 TensorFlow》

　　Caffe 尚未被 Caffe2 所取代

　　Caffe 排行第三，除 TensorFlow，Caffe 在 GitHub 上的活躍度要比其他競爭對手高很多。Caffe 通常被認為比 Tensorflow 更加專業化，其開發了專注于圖像處理，目標識別和預訓練卷積神經網絡。Facebook 于 2017 年 4 月發布 Caffe 2，如今已經排在了深度學習庫的上半部分。Caffe2 是一個更輕量，模塊化和可擴展的 Caffe 版本，包括循環神經網絡。Caffe 和 Caffe2 是相互獨立的，所以數據科學家可以繼續使用最初的 Caffe。但是，有一些遷移工具，如 Caffe Translator，提供了一種 Caffe2 用來驅動現有的 Caffe 模型。

　　Keras 最受歡迎的深度學習前端

　　Keras 排名最高的非框架深度學習庫。Keras 可以被用作 TensorFlow、Theano、MXNet、CNTK 或 deeplearning4j 的前端。Keras 在所有的三個指標上表現都高于于平均值。

　　Keras 由于其簡單性和易用性而備受歡迎。Keras 數據科學家們對數據集上進行相關實驗時，往往都喜歡采用 Keras。隨著 R Studio 最近發布了 Keras 的界面，Keras 的流行度往后還會不斷提高。

　　Theano 沒有行業巨頭支持，仍實力強大

　　在眾多新的深度學習框架當中，Theano 是列表中出現最早的深度學習庫。Theano 率先使用了計算圖，如今在深度學習和機器學習的研究界仍然很受歡迎。Theano 本質上是一個 Python 的數值計算庫，但是可以像 Lasagne 這樣的高階深度學習庫一起使用。

　　TensorFlow 和 Keras 背后有谷歌強有力的支持，PyTorch 和 Caffe2 背后有 Facebook，MXNet 是亞馬遜網絡服務（AWS）的官方深度學習框架，以及微軟設計維護的 CNTK ，Theano 背后沒有行業巨頭支持，但是仍然十分受歡迎。

　　Sonnet 發展最快的深度學習庫

　　早在 2017 年年初，Google 的 DeepMind 就公開發布了 Sonnet 的代碼，這是一個基于 TensorFlow 的神經網絡庫。在 Google 搜索 Sonnet，返回的結果頁面數比上一季度增加了 272％，這是我們列表中所有庫中增長最多的一個。雖然 Google 在 2014 年收購了英國人造智能公司 DeepMind，但 DeepMind 和 Google Brain 大體上仍然是兩個獨立的團隊。DeepMind 專注于人工智能，Sonnet 幫助用戶在他們特定的 AI 理念和研究之上構建頂層架構

　　Python 是深度學習接口的主要語言

　　PyTorch 是列表中增長速度第二快的庫，底部唯一的接口是Python。與上一季度相比，Google 搜索 PyTorch，結果頁面多了 236％。排名前 23 的開源深度學習框架和包裝器中，只有三個沒有 Python 接口，分別是：Dlib ，MatConvNet 和OpenNN。C ++ 和 R 接口分別有 7 個和 6 個。盡管看起來數據科學界在使用 Python 方面已經達成共識，但深度學習仍有許多選擇。

　　局限性

　　所有的源代碼和數據都在我們的 Github 頁面上。深度學習庫的完整列表來自不同來源。當然，一些發布歷史比較久的庫會有更高的指標，因此排名更前面。這里使用的唯一指標是谷歌搜索季度增長率。

　　數據中一些難題的處理方式：

　　● neural designer 并且 wolfram mathematica 是特有的，因此就剔除了

　　● CNTK 也被稱為 microsoft cognitive toolkit，但我們只用了原始的 CNTK 名字

　　● neon 改為 nervana neon

　　● paddle 改為 paddlepaddle

　　● 一些庫顯然是其他庫的衍生物，如 Caffe 和 Caffe2。對于此類情況，如果他們有獨立的 github 代碼庫，我們就會把它們分開計算排名

　　方法

　　所有源代碼和數據都在我們的Github頁面上。

　　我們首先從五個不同的來源，產生 23 個開源深度學習庫，然后收集所有這些庫的標準，從而得出排名。Github 數據基于星星數和分支數，Stack Overflow 數據基于包含軟件包名稱的標簽及問題數量，Google Results 基于過去五年中 Google 搜索結果的總數，以及季度增長率的比較。

　　其他一些說明：

　　● 用于確定谷歌搜索的搜索詞包括庫名和術語“deep learning”。

　　● 任何缺少 Stack Overflow 計數的數值一律轉換為 0

　　● 計數標準化，均值為 0 和偏差 1，然后平均得到 Github 和 Stack Overflow 得分，再加上 Serch Results 得到的總得分。

　　● 最后手動檢查以確認 Github 代碼庫的位置。