开源深度学习库排名三个重要指标：Github上的活动、Stack Overflow上的活动以及谷歌搜索结果

我们对23种用于数据科学的开源深度学习库作了排名。这番排名基于权重一样大小的三个指标：Github上的活动、Stack Overflow上的活动以及谷歌搜索结果。

排名结果

下面是23种用于数据科学的开源深度学习库的排名，按照Github上的活动、Stack Overflow上的活动以及谷歌搜索结果来衡量。该表显示了标准化分数，1这个值表示高于平均值（平均值=0）一个标准偏差。比如说，Caffe高于Github活动方面的平均值一个标准偏差，而deeplearning4j接近平均值。

方法详见如下

结果和讨论

排名基于权重一样大小的三个指标：Github（星标和分支）、Stack Overflow（标签和问题）以及谷歌结果（总体增长率和季度增长率）。这些是使用可用的API获得的。制作一个全面的深度学习工具包列表很棘手——最后，我们列出了我们认为有代表性的五个不同的列表（参阅下面介绍的方法，可了解详细信息）。计算每个度量指标的标准化分数后，我们就能看到哪些软件包在每个类别中脱颖而出。

TensorFlow凭最大的活跃社区一路领跑

在所有衡量指标中，TensorFlow比平均值高出至少两个标准偏差。相比第二大流行框架：C++affe，TensorFlow的Github分支数量几乎是其三倍，Stack Overflow问题更是其六倍以上。TensorFlow最初由谷歌Brain团队于2015年开源，发展势头已超过历史更悠久的库，比如Theano（第4位）和Torch（第8位），跃居我们榜单的首位。虽然TensorFlow附带在C++引擎上运行的Python API，但本榜单上的几种库可以使用TensorFlow作为后端，提供各自的接口。这些库包括Keras（第2位，很快将成为核心TensorFlow的一部分）和Sonnet（第6位）。TensorFlow之所以人气这么高，可能是由于它结合了通用深度学习框架、灵活的接口、外观整洁的计算图形可视化以及谷歌庞大的开发者和社区资源。

Caffe尚未被Caffe2所取代

Caffe在本榜单上排名第三，Github上的活动比其所有竞争对手（TensorFlow除外）都要多。Caffe历来被认为比Tensorflow更专门化，当初专注于图像处理、对象识别和预训练的卷积神经网络。Facebook于2017年4月发布了Caffe2（第11名），Caffe2已经跻身于深度学习库的上半部分。Caffe2是一种更轻量级、模块化、可扩展的Caffe，它包括循环神经网络。Caffe和Caffe2是独立的代码库，所以数据科学家可以继续使用原来的Caffe。然而，一些迁移工具（比如Caffe Translator）为使用Caffe2来驱动现有的Caffe模型提供了一种手段。

Keras是最流行的深度学习前端