The Data Incubator 最近制作了一個(gè) 23 個(gè)熱門深度學(xué)習(xí)庫的排名。此排名基于三個(gè)指標(biāo)：Github上的活躍度、Stack Overflow上的活躍度以及谷歌搜索結(jié)果數(shù)量。下面一起來看看排名情況

　　總體排名結(jié)果

　　上表排名給出了每個(gè)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(jié)果與討論

　　排名是基于同樣基于三個(gè)組成部分：Github（星星數(shù)和分支），Stack Overflow（標(biāo)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(gè)深入學(xué)習(xí)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(gè)列表，計(jì)算每個(gè)指標(biāo)的標(biāo)準(zhǔn)化分?jǐn)?shù)，得出最終排名。比如，Caffe 在 Github 上的標(biāo)準(zhǔn)評分為 1，deeplearning4j 則為 0.06。

　　TensorFlow 在最大活躍社區(qū)中占主導(dǎo)

　　TensorFlow 所有指標(biāo)的得分至少比平均值高出兩倍多。在 Github 上的分支數(shù)幾乎是第二名的三倍，Stack Overflow 上的問題總數(shù)是第二名的六倍多。Google Brain 團(tuán)隊(duì)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(yùn)行的 Python API 一起分發(fā)，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(xué)習(xí)框架，靈活的界面，漂亮的計(jì)算圖形可視化以及Google大量的開發(fā)人員與社區(qū)資源的結(jié)合。了解更多 TensorFlow 點(diǎn)擊：《【開源推薦 5】快速入門 Google 機(jī)器學(xué)習(xí)系統(tǒng) 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(rèn)為比 Tensorflow 更加專業(yè)化，其開發(fā)了專注于圖像處理，目標(biāo)識別和預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)。Facebook 于 2017 年 4 月發(fā)布 Caffe 2，如今已經(jīng)排在了深度學(xué)習(xí)庫的上半部分。Caffe2 是一個(gè)更輕量，模塊化和可擴(kuò)展的 Caffe 版本，包括循環(huán)神經(jīng)網(wǎng)絡(luò)。Caffe 和 Caffe2 是相互獨(dú)立的，所以數(shù)據(jù)科學(xué)家可以繼續(xù)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(qū)動現(xiàn)有的 Caffe 模型。

　　Keras 最受歡迎的深度學(xué)習(xí)前端

　　Keras 排名最高的非框架深度學(xué)習(xí)庫。Keras 可以被用作 TensorFlow、Theano、MXNet、CNTK 或 deeplearning4j 的前端。Keras 在所有的三個(gè)指標(biāo)上表現(xiàn)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(shù)據(jù)科學(xué)家們對數(shù)據(jù)集上進(jìn)行相關(guān)實(shí)驗(yàn)時(shí)，往往都喜歡采用 Keras。隨著 R Studio 最近發(fā)布了 Keras 的界面，Keras 的流行度往后還會不斷提高。

　　Theano 沒有行業(yè)巨頭支持，仍實(shí)力強(qiáng)大

　　在眾多新的深度學(xué)習(xí)框架當(dāng)中，Theano 是列表中出現(xiàn)最早的深度學(xué)習(xí)庫。Theano 率先使用了計(jì)算圖，如今在深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的研究界仍然很受歡迎。Theano 本質(zhì)上是一個(gè) Python 的數(shù)值計(jì)算庫，但是可以像 Lasagne 這樣的高階深度學(xué)習(xí)庫一起使用。

　　TensorFlow 和 Keras 背后有谷歌強(qiáng)有力的支持，PyTorch 和 Caffe2 背后有 Facebook，MXNet 是亞馬遜網(wǎng)絡(luò)服務(wù)（AWS）的官方深度學(xué)習(xí)框架，以及微軟設(shè)計(jì)維護(hù)的 CNTK ，Theano 背后沒有行業(yè)巨頭支持，但是仍然十分受歡迎。

　　Sonnet 發(fā)展最快的深度學(xué)習(xí)庫

　　早在 2017 年年初，Google 的 DeepMind 就公開發(fā)布了 Sonnet 的代碼，這是一個(gè)基于 TensorFlow 的神經(jīng)網(wǎng)絡(luò)庫。在 Google 搜索 Sonnet，返回的結(jié)果頁面數(shù)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(gè)。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(gè)獨(dú)立的團(tuán)隊(duì)。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(gòu)建頂層架構(gòu)

　　Python 是深度學(xué)習(xí)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(jié)果頁面多了 236％。排名前 23 的開源深度學(xué)習(xí)框架和包裝器中，只有三個(gè)沒有 Python 接口，分別是：Dlib ，MatConvNet 和OpenNN。C ++ 和 R 接口分別有 7 個(gè)和 6 個(gè)。盡管看起來數(shù)據(jù)科學(xué)界在使用 Python 方面已經(jīng)達(dá)成共識，但深度學(xué)習(xí)仍有許多選擇。

　　局限性

　　所有的源代碼和數(shù)據(jù)都在我們的 Github 頁面上。深度學(xué)習(xí)庫的完整列表來自不同來源。當(dāng)然，一些發(fā)布?xì)v史比較久的庫會有更高的指標(biāo)，因此排名更前面。這里使用的唯一指標(biāo)是谷歌搜索季度增長率。

　　數(shù)據(jù)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(dú)立的 github 代碼庫，我們就會把它們分開計(jì)算排名

　　方法

　　所有源代碼和數(shù)據(jù)都在我們的Github頁面上。

　　我們首先從五個(gè)不同的來源，產(chǎn)生 23 個(gè)開源深度學(xué)習(xí)庫，然后收集所有這些庫的標(biāo)準(zhǔn)，從而得出排名。Github 數(shù)據(jù)基于星星數(shù)和分支數(shù)，Stack Overflow 數(shù)據(jù)基于包含軟件包名稱的標(biāo)簽及問題數(shù)量，Google Results 基于過去五年中 Google 搜索結(jié)果的總數(shù)，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(shù)語“deep learning”。

　　● 任何缺少 Stack Overflow 計(jì)數(shù)的數(shù)值一律轉(zhuǎn)換為 0

　　● 計(jì)數(shù)標(biāo)準(zhǔn)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(rèn) Github 代碼庫的位置。