前13个Python深度学习库
Python继续引领机器学习，人工智能，深度学习和数据科学任务。据builtwith.com称，45％的技术公司更喜欢使用Python来实现AI和机器学习。
因此，我们决定开始研究几个类别的顶级Python库：
排名前13位的Python深度学习库✅ - 这篇文章
Top X Python强化学习和进化计算库 - 即将推出！
Top X Python数据科学库 - 即将推出！
当然，这些列表完全是主观的，因为许多库可以轻松地放在多个类别中。例如，TensorFlow包含在此列表中，但Keras已被省略，而且机器学习库集合中的功能已被替换。这是因为Keras更像是像SKLearn这样的“最终用户”库，而不是TensorFlow，后者更吸引研究人员和机器学习工程师类型。
与往常一样，请随时在下面的评论部分发泄您的挫折/分歧/烦恼！
图1：前三名Python深度学习库，由提交者和贡献者提供。圆的大小与星的数量成正比。
现在，让我们进入列表（GitHub数字在2018年10月23日正确）：
1. TensorFlow（贡献者 - 1700，提交 - 42256，Stars - 112591）
“ TensorFlow 是一个使用数据流图进行数值计算的开源软件库。图形节点表示数学运算，而图形边缘表示在它们之间流动的多维数据阵列（张量）。这种灵活的体系结构使您可以将计算部署到桌面，服务器或移动设备中的一个或多个CPU或GPU，而无需重写代码。“
2. PyTorch（贡献者 - 806，提交 - 14022，明星 - 20243）
“PyTorch是一个Python包，提供两个高级功能：
具有强大的GPU加速度的张量计算（如NumPy）
基于磁带的自动编程系统构建的深度神经网络
您可以重用您喜欢的Python软件包，如NumPy，SciPy和Cython，以便在需要时扩展PyTorch。“
3. Apache MXNet（贡献者 - 628，提交 - 8723，星 - 15447）
“Apache MXNet（孵化）是一个深度学习框架，旨在 提高效率 和 灵活性。它允许您 混合符号和命令式编程， 以 最大限度地提高 效率和生产力。MXNet的核心是一个动态依赖调度程序，可以动态地自动并行化符号和命令操作。“
4. Theano（贡献者 - 329，提交 - 28033，明星 - 8536）
“Theano是一个Python库，允许您有效地定义，优化和评估涉及多维数组的数学表达式。它可以使用GPU并实现有效的符号区分。“
5. Caffe（贡献者 - 270，提交 - 4152，明星 - 25927）
“Caffe是一个深刻的学习框架，以表达，速度和模块化为基础。它由伯克利人工智能研究（BAIR）/伯克利视觉与学习中心（BVLC）和社区贡献者开发。“
6. fast.ai（贡献者 - 226，提交 - 2237，星 - 8872）
“fastai库使用现代最佳实践简化了快速准确的神经网络训练。请访问 fastai网站 开始使用。该图书馆基于对fast.ai进行的深度学习最佳实践的 研究，包括对视觉， 文本， 表格和 协作 （协作过滤）模型的“开箱即用”支持 。
7. CNTK（贡献者 - 189，提交 - 15979，明星 - 15281）
“Microsoft认知工具包（https://cntk.ai）是一个统一的深度学习工具包，它通过有向图将神经网络描述为一系列计算步骤。在该有向图中，叶节点表示输入值或网络参数，而其他节点表示其输入上的矩阵运算。CNTK允许用户轻松实现和组合流行的模型类型，如前馈DNN，卷积网络（CNN）和循环网络（RNN / LSTM）。“
8. TFLearn（贡献者 - 118，提交 - 599，明星 - 8632）
“TFlearn是一个基于Tensorflow构建的模块化透明深度学习库。它旨在为TensorFlow提供更高级别的API，以促进和加速实验，同时保持完全透明并与之兼容。“
9. 烤宽面条（贡献者 - 64，提交 - 1157，明星 - 3534）
“Lasagne是一个轻量级的库，用于在Theano中构建和训练神经网络。它支持前馈网络，如卷积神经网络（CNN），包括长短期记忆（LSTM）的循环网络及其任何组合。“
10. nolearn（贡献者 - 14，提交 - 389，Stars - 909）
“ nolearn 包含许多围绕现有神经网络库的包装和抽象，最着名的是 Lasagne，以及一些机器学习实用程序模块。编写所有代码以与scikit-learn兼容 。“
11. 亚洲人（贡献者 - 13，提交者 - 249，星 - 1046）
“亚洲象是的延伸 Keras，它允许你在规模与分布运行深度学习模型 星火。Elephas目前支持许多应用程序，包括：
12. 火花深度学习（贡献者 - 12，提交 - 83，星 - 1131）
“Deep Learning Pipelines使用Apache Spark为Python中的可扩展深度学习提供高级API。该库来自Databricks，并利用Spark的两个最强大的方面：
本着Spark和Spark MLlib的精神 ，它提供了易于使用的API，可以在极少数代码行中实现深度学习。
它使用Spark强大的分布式引擎来扩展对大量数据集的深度学习。“
13.分布式Keras（贡献者 - 5，提交 - 1125，星 - 523）
“Distributed Keras是一个基于Apache Spark和Keras构建的分布式深度学习框架，专注于”最先进“的分布式优化算法。我们以这样一种方式设计框架，即可以轻松实现新的分布式优化器，从而使人们能够专注于研究。“
评论专区