基于 Github 和 Stack Overflow 上的活躍度以及 Google 搜索結(jié)果，The Data Incubator 最近制作了一個 23 個熱門庫的排名。

下表顯示了標(biāo)準(zhǔn)化后的分?jǐn)?shù)，其中值 1 表示高于平均值的一個標(biāo)準(zhǔn)偏差（平均值為 0）。 例如，Caffe 在 Github 中的活動是一個高于平均水準(zhǔn)的標(biāo)準(zhǔn)差，而 deeplearning4j 接近平均水平。見末尾的方法。

結(jié)果和討論

該排名基于三個同等重要的部分：Github（star 和 fork），Stack Overflow（標(biāo)簽和問題）和 Google 搜索結(jié)果（總和以及季度增長率）。這 3 部分是通過可用的 API 獲得的。想弄一個全面的深入學(xué)習(xí)工具包列表不容易，所以在最后選取了我們認為具有代表性的五個不同的列表（有關(guān)詳細信息，請參閱下面的方法）。計算每種度量的標(biāo)準(zhǔn)化分?jǐn)?shù)，使我們能夠看到在每個類別中哪些包是脫穎而出的。

TensorFlow 在最大活躍社區(qū)中占主導(dǎo)

TensorFlow 在所有計算度量上的平均值上至少有兩個標(biāo)準(zhǔn)偏差。TensorFlow 和第二大流行框架 Caffe 相比，在 Github 上的 fork 數(shù)幾乎是后者的三倍，在 Stack Overflow 上的問題總量是后者的六倍以上。TensorFlow 由 Google Brain 團隊于 2015 年首度開放，已經(jīng)超過了眾多的高級庫，如 Theano（4）和 Torch（8），成為我們榜單的首位。TensorFlow 雖然與在 C++ 引擎上運行的 Python API 一起分發(fā)，但表中的幾個庫可以將 TensorFlow 用作后端，并提供它們自己的接口。這些庫包括了 Keras（2），將很快成為 TensorFlow 和 Sonnet 的核心部分（6）。TensorFlow 的流行可能是其通用的深度學(xué)習(xí)框架，靈活的界面，好看的計算圖形可視化和 Google 的重要開發(fā)人員和社區(qū)資源的合力下的結(jié)果。

Caffe 尚未被 Caffe2 所取代

Caffe 在我們的名單上排名第三，除了 TensorFlow 外，Caffe 其在 Github 上的活躍度比其他競爭對手都要多。Caffe 傳統(tǒng)上被認為比 Tensorflow 更專業(yè)，并且專注于圖像處理，目標(biāo)識別和預(yù)先訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)。Facebook 于 2017 年 4 月發(fā)布了 Caffe2（11），并且已經(jīng)排在了深入學(xué)習(xí)庫的上半部分。Caffe2 是一個更輕巧、模塊化和可擴展的 Caffe 版本，包括循環(huán)神經(jīng)網(wǎng)絡(luò)。Caffe 和 Caffe2 是相互獨立的倉庫（repo），所以數(shù)據(jù)科學(xué)家可以繼續(xù)使用最初的 Caffe。然而，有一些遷移工具，比如如 Caffe Translator，它提供了一種使用 Caffe2 來驅(qū)動現(xiàn)有 Caffe 模型的方法。

Keras 是深度學(xué)習(xí)上最受歡迎的前端庫

Keras（2）是排名最高的非框架庫。Keras 可以用作 TensorFlow（1）、Theano（4）、MXNet（7）、CNTK（9）、deeplearning4j（14）的前端。在所有的三個衡量標(biāo)準(zhǔn)上， Keras 的表現(xiàn)均優(yōu)于平均水平。Keras 的流行可能是由于其簡單性和易用性。Keras 允許快速的原型化，但代價是犧牲了從框架直接運行而產(chǎn)生的一些靈活性和控制。數(shù)據(jù)科學(xué)家在數(shù)據(jù)集上做深度學(xué)習(xí)的相關(guān)實驗時，Keras 受到了他們的青睞。隨著 R Studio 最近發(fā)布了 Keras 的界面，Keras 的發(fā)展和受歡迎程度還在不斷延續(xù)。

即使沒有巨頭支持，Theano 仍保持名列前茅

在新的的海洋中，Theano（4）是我們的排名中最古老的庫。Theano 開創(chuàng)性地使用了計算圖（computational graph），并在研究界普遍做深度學(xué)習(xí)和機器學(xué)習(xí)之時仍保持流行。Theano 本質(zhì)上是一個 Python 的數(shù)值計算庫，但可以與像 Lasagne 這樣的高級深度學(xué)習(xí)庫（15）一起使用。雖然 Google 支持 TensorFlow（1）和 Keras（2），F(xiàn)acebook 支持 PyTorch（5）和 Caffe2（11），MXNet（7）是 Amazon Web Services 的官方深度學(xué)習(xí)框架，Microsoft 設(shè)計并維護了 CNTK（9），Theano 在沒受到行業(yè)巨頭的正式支持下依然流行。

Sonnet 是增長最快的庫

2017 年初，Google 的 DeepMind 公開發(fā)布了 Sonnet（6）的代碼，這是一個以 TensorFlow 為基礎(chǔ)的高級面向?qū)ο髱臁onnet 的 Google 搜索結(jié)果返回頁數(shù)比上個季度增長了 272％，是我們列表中所有庫中最大的。盡管 Google 在 2014 年收購了英國人工智能公司DeepMind，但 DeepMind 和 Google Brain 仍然在大體上是獨立團隊。DeepMind 專注于通用人工智能，Sonnet 可以幫助用戶為他們的具體 AI 想法和研究做頂層設(shè)計。

Python 是深度學(xué)習(xí)的接口語言

PyTorch（5）是我們表中增長速度第二的庫，該框架的唯一接口是 Python。與上季度相比，PyTorch 的 Google 搜索結(jié)果增加了 236％。在我們排的 23 個開源深度學(xué)習(xí)框架和包裝器中，只有三個沒有 Python 接口：Dlib（10）、MatConvNet（20）和OpenNN（23）。在 23 個庫中，C ++ 和 R 接口分別只有 7 個和 6 個。雖然數(shù)據(jù)科學(xué)界在使用 Python 方面有些接近同一個共識，但對深度學(xué)習(xí)庫而言，還有很多的選擇。

限制

當(dāng)然，有些庫由于已經(jīng)存在了更長的時間會有更高的數(shù)據(jù)，因此排名更高。唯一考慮到這一點的指標(biāo)，是 Google 搜索季度增長率。

數(shù)據(jù)呈現(xiàn)中遇到的一些困難：

• ·神經(jīng)設(shè)計和 wolfram 數(shù)學(xué)是專有的，故被刪除
• ·cntk 也被稱為「微軟認知工具包」，但是我們只使用了 ctnk 名稱
• ·neon 變成了 nervana neon
• ·paddle 被改為 paddlepaddle
• ·一些庫顯然是其他庫的衍生品，如 Caffe 和 Caffe2。如果它們有單獨/獨立的 Github 倉庫，我們分開處理這些庫。

方法

所有源代碼和數(shù)據(jù)都在上。

我們首先從五個不同的來源中生成了 23 個開源深度學(xué)習(xí)庫的列表，然后收集了所有這些庫的指標(biāo)，以獲得排名。Github 的數(shù)據(jù)基于 star 數(shù)和 fork 數(shù)、Stack Overflow 的數(shù)據(jù)包含包名稱的標(biāo)簽和問題，Google 搜索結(jié)果則基于過去五年的 Google 搜索結(jié)果總數(shù)，并計算結(jié)果在過去三個月與前三個月相比的季度增長率。

一些注意事項：

• ·有幾個庫是常用詞匯（caffe、chainer、lasagne），因此用于確定 Google 搜索結(jié)果數(shù)量的搜索詞，包括庫的名稱和術(shù)語即“deep learning”。
• ·任何不可用的 Stack Overflow 計數(shù)都轉(zhuǎn)換為零計數(shù)。
• ·計數(shù)被標(biāo)準(zhǔn)化為均值 0 和偏差 1，然后平均得到 Github 和 Stack Overflow 分?jǐn)?shù)，并結(jié)合 Serch 結(jié)果，從而得到總分。
• ·做了一些手動檢查以確認 Github 倉庫位置。