Theano 在深度學習框架中是祖師級的存在。它的開發(fā)始于 2007，早期開發(fā)者包括傳奇人物 Yoshua Bengio 和 Ian Goodfellow。

　　Theano 基于 Python，是一個擅長處理多維數(shù)組的庫（這方面它類似于 NumPy）。當與其他深度學習庫結合起來，它十分適合數(shù)據(jù)探索。它為執(zhí)行深度學習中大規(guī)模算法的運算所設計。其實，它可以被更好地理解為一個數(shù)學表達式的編譯器：用符號式語言定義你想要的結果，該框架會對你的程序進行編譯，來高效運行于 GPU 或 CPU。

　　它與后來出現(xiàn)的 Tensorflow 功能十分相似（或者應該說，Tensorflow 類似 Theano ），因而兩者常常被放在一起比較。它們本身都偏底層，同樣的，Theano 像是一個研究平臺多過是一個深度學習庫。你需要從底層開始做許多工作，來創(chuàng)建你需要的模型。比方說，Theano 沒有神經網絡的分級。

　　但隨著這些年的發(fā)展，大量基于 Theano 的開源深度學習庫被開發(fā)出來，包括 Keras, Lasagne 和 Blocks。這些更高層級的 wrapper API，能大幅減少開發(fā)時間以及過程中的麻煩。甚至，據(jù)調查統(tǒng)計所知，很少開發(fā)者會使用“裸奔”的 Theano，多數(shù)人需要輔助的 API。順便說一句，Theano 是一整套生態(tài)系統(tǒng)，別只用它裸奔，然后抱怨不好用。

　　這又是一個祖師級的深度學習框架，2013 年就已問世。

　　它的全稱是 “Convolution Architecture For Feature Extraction”，意為“用于特征提取的卷積架構”，很明白地體現(xiàn)了它的用途。Caffe 的創(chuàng)始人，是加州大學伯克利分校的中國籍博士生賈揚清。當時賈在伯克利計算機視覺與學習中心做研究。博士畢業(yè)后，他先后在谷歌和 Facebook 工作。

　　在 AI 開發(fā)者圈子中，Caffe 可以說是無人不知、無人不曉。據(jù) GitHub 最新的機器學習項目熱度排名，Caffe 僅位列 Tensorflow 之后，雄踞第二。它是一個被廣泛使用的機器視覺庫，把 Matlab 執(zhí)行快速卷積網絡的方式帶到 C 和 C++。雖然 Caffe 被部分開發(fā)者看做是通用框架，但它的設計初衷是計算機視覺--并不適于其他深度學習應用，比如文字、和處理時間序列數(shù)據(jù)。

　　Caffe 的主要用途：利用卷積神經網絡進行圖像分類。這方面它代表了業(yè)內一流水平，是開發(fā)者的首選。

　　說到 Caffe，就不得不提 Model Zoo。后者是在 Caffe 基礎上開發(fā)出的一系列模型的匯聚之地。因此，開發(fā)者使用 Caffe 最大的好處是：能在 Model Zoo 海量的、事先訓練好的神經網絡中，選擇貼近自己使用需求的直接下載，并立刻就能用。

　　業(yè)內人士普遍認為，Caffe 適合于以實現(xiàn)基礎算法為主要目的的工業(yè)應用，有利于快速開發(fā)。但對于處理較特殊的任務，它存在靈活性不足的問題--為模型做調整常常需要用 C++ 和 CUDA，雖然 Python 和 Matlab 也能做些小調整。

　　相比其他開源框架，Torch 是一個非主流。

　　沒錯，說的就是它的開發(fā)語言：基于1990 年代誕生于巴西的 Lua，而非機器學習界廣泛采用的 Python。其實 Lua 和Python 都屬于比較容易入門的語言。但后者明顯已經統(tǒng)治了機器學習領域，尤其在學界。而企業(yè)界的軟件工程師最熟悉的是 Java，對 Lua 也比較陌生。這導致了 Torch 推廣的困難。因此，雖然 Torch 功能強大，但并不是大眾開發(fā)者的菜。

　　那么它強大在哪里？

　　首先，Torch 非常適用于卷積神經網絡。它的開發(fā)者認為，Torch 的原生交互界面比其他框架用起來更自然、更得心應手。

　　其次，第三方的擴展工具包提供了豐富的遞歸神經網絡（ RNN）模型。

　　因為這些強項，許多互聯(lián)網巨頭開發(fā)了定制版的 Torch，以助力他們的 AI 研究。這其中包括 Facebook、Twitter，和被谷歌招安前的 DeepMind。

　　與 Caffe 相比，在 Torch 里定義一個新層級比它要容易，因為你不需要寫  C++ 代碼。和 TensorFlow 和 Theano 比起來，Torch 的靈活度更高，因為它是命令式的；而前兩者是陳述式的（declarative），你必須 declare 一個計算圖。這使得在 Torch 上進行束搜索（beam search）這樣的操作要比它們容易得多。

　　SciKit-learn 是老牌的開源 Python 算法框架，始于 2007 年的 Google Summer of Code 項目，最初由 David Cournapeau 開發(fā)。

　　它是一個簡潔、高效的算法庫，提供一系列的監(jiān)督學習和無監(jiān)督學習的算法，以用于數(shù)據(jù)挖掘和數(shù)據(jù)分析。SciKit-learn 幾乎覆蓋了機器學習的所有主流算法，這為其在 Python 開源世界中奠定了江湖地位。

　　它的算法庫建立在 SciPy (Scientific Python) 之上--你必須先安裝 SciPy 才能使用 SciKit-learn 。它的框架中一共包括了：

　　NumPy: 基礎的多維數(shù)組包

　　SciPy: 科學計算的基礎庫

　　Matplotlib: 全面的 2D/3D 測繪

　　IPython: 改進的交互控制器

　　Sympy: 符號數(shù)學

　　Pandas:數(shù)據(jù)結構和分析

　　它命名的由來：SciPy 的擴展和模塊在傳統(tǒng)上被命名為 SciKits。而提供學習算法的模組就被命名為 scikit-learn。

　　它與 Python 世界另一大算法框架--TensorFlow 的主要區(qū)別是：TensorFlow 更底層。而 SciKit-learn 提供了執(zhí)行機器學習算法的模塊化方案，很多算法模型直接就能用。

　　從這份統(tǒng)計中不難看出，不少機器學習的框架都是基于Python架構的，Python已逐漸成為人們公認的最合適人工智能開發(fā)的語言，奇酷教育Python課程，除了講授Python基礎知識，還會將人工智能、機器學習開發(fā)插入其中，同時講解Python的最佳實踐，讓學員不僅僅學會編程的基本語法，還能學到資深工程師的編程經驗，了解一線互聯(lián)網公司用到的Python工具和開源項目，熟悉Python高手的編程風格。在這里，你不光能夠學會如何編寫程序，還能夠學會如何編寫高質量的程序，一躍成為專業(yè)的工程師，更會成為最早接觸人工智能的從業(yè)人員，一舉站在前沿科技浪尖，前程無限！