我們對23種用于數據科學的開源深度學習庫作了排名。這番排名基于權重一樣大小的三個指標：Github上的活動、Stack Overflow上的活動以及谷歌搜索結果。

排名結果

下面是23種用于數據科學的開源深度學習庫的排名，按照Github上的活動、Stack Overflow上的活動以及谷歌搜索結果來衡量。該表顯示了標準化分數，1這個值表示高于平均值（平均值=0）一個標準偏差。比如說，Caffe高于Github活動方面的平均值一個標準偏差，而deeplearning4j接近平均值。

方法詳見如下

結果和討論

排名基于權重一樣大小的三個指標：Github（星標和分支）、Stack Overflow（標簽和問題）以及谷歌結果（總體增長率和季度增長率）。這些是使用可用的API獲得的。制作一個全面的深度學習工具包列表很棘手——最后，我們列出了我們認為有代表性的五個不同的列表（參閱下面介紹的方法，可了解詳細信息）。計算每個度量指標的標準化分數后，我們就能看到哪些軟件包在每個類別中脫穎而出。

TensorFlow憑最大的活躍社區一路領跑

在所有衡量指標中，TensorFlow比平均值高出至少兩個標準偏差。相比第二大流行框架：Caffe，TensorFlow的Github分支數量幾乎是其三倍，Stack Overflow問題更是其六倍以上。TensorFlow最初由谷歌Brain團隊于2015年開源，發展勢頭已超過歷史更悠久的庫，比如Theano（第4位）和Torch（第8位），躍居我們榜單的首位。雖然TensorFlow附帶在C++引擎上運行的Python API，但本榜單上的幾種庫可以使用TensorFlow作為后端，提供各自的接口。這些庫包括Keras（第2位，很快將成為核心TensorFlow的一部分）和Sonnet（第6位）。TensorFlow之所以人氣這么高，可能是由于它結合了通用深度學習框架、靈活的接口、外觀整潔的計算圖形可視化以及谷歌龐大的開發者和社區資源。

Caffe尚未被Caffe2所取代

Caffe在本榜單上排名第三，Github上的活動比其所有競爭對手（TensorFlow除外）都要多。Caffe歷來被認為比Tensorflow更專門化，當初專注于圖像處理、對象識別和預訓練的卷積神經網絡。Facebook于2017年4月發布了Caffe2（第11名），Caffe2已經躋身于深度學習庫的上半部分。Caffe2是一種更輕量級、模塊化、可擴展的Caffe，它包括循環神經網絡。Caffe和Caffe2是獨立的代碼庫，所以數據科學家可以繼續使用原來的Caffe。然而，一些遷移工具（比如Caffe Translator）為使用Caffe2來驅動現有的Caffe模型提供了一種手段。

Keras（第2位）是排名最高的非框架庫。Keras可以用作TensorFlow（第1位）、Theano（第4位）、MXNet（第7位）、CNTK（第9位）或deeplearning4j（第14位）的前端。Keras在所有三個衡量指標方面的表現均勝過平均值。Keras之所以人氣很旺，可能歸功于其簡單性和易用性。Keras允許用戶快速建立原型，代價是直接使用框架所帶來的靈活性和控制性方面欠缺一點。Keras頗受對數據集使用深度學習的數據科學家的青睞。由于R Studio最近發布了使用R的面向Keras的接口，Keras的發展和人氣指數不斷提升。

即便沒有行業的大力支持，Theano依然名列前茅

在眾多新的深度學習框架中，Theano（第4位）是本榜單上歷史最悠久的庫。Theano率先使用了計算圖，在整個深度學習和機器學習研究界當中仍很受歡迎。Theano實際上就是面向Python的數值計算庫，但可以與像Lasagne（第15位）這樣的高級深度學習封裝庫一起使用。谷歌支持TensorFlow（第1位）和Keras（第2位），Facebook支持PyTorch（第5位）和Caffe2（第11位），而MXNet（第7位）是亞馬遜網絡服務（AWS）的官方深度學習框架，微軟設計并維護CNTK（第9位），雖然沒有得到哪家技術行業巨頭的官方支持，但Theano依然頗受歡迎。

Sonnet是發展最快的庫

2017年年初，谷歌的DeepMind公開發布了Sonnet（第6位）的代碼，這是一種以TensorFlow為基礎的面向對象的高級庫。這個季度相比上個季度，Sonnet的谷歌搜索結果中返回的頁面數量增加了272%，這是我們排名的所有庫中增幅最大的。雖然谷歌在2014年收購了DeepMind這家英國人工智能公司，但DeepMind和谷歌Brain仍擁有基本上獨立的團隊。DeepMind專注于強人工智能，Sonnet可以幫助用戶在特定的AI想法和研究的基礎上構建神經網絡。

Python是深度學習接口的首選語言

PyTorch（第5位）是其單一接口使用Python的一種框架，它是本榜單上發展速度第二快的庫。與上季度相比，PyTorch的谷歌搜索結果多了236%。在我們排名的23種開源深度學習框架和封裝庫中，只有三種沒有使用Python的接口：Dlib（第10位）、MatConvNet（第20位）和OpenNN（第23位）。C++接口和R接口分別用于23種庫中的7種庫和6種庫。雖然數據科學界在使用Python方面幾乎趨于一致，但是深度學習庫方面還是有許多選擇。

限制

與任何分析一樣，我們一路上做出了決定。所有源代碼和數據都在我們的Github頁面上。深度學習庫的完整列表來自幾個來源。

當然，一些歷史更悠久的庫會有更高的指標，因而排名更高。唯一考慮到這一點的指標是谷歌搜索季度增長率。

數據帶來了幾個難題：

Neural Designer和Wolfram Mathematica是專有的，已被剔除

cntk又叫微軟認知工具包，但是我們只使用了原來的ctnk名字

neon改成了nervana neon

paddle改成了paddlepaddle

一些庫顯然是其他庫的衍生版，比如Caffe和Caffe2。如果這些庫有獨特的github代碼庫，我們決定將它們分開來對待。

方法

所有源代碼和數據都放在我們的Github頁面上。

我們先從五個不同的來源制作了23種開源深度學習庫列表，然后為所有庫收集了指標，以得出排名。Github數據基于星標和分支，Stack Overflow數據基于含有軟件包名稱的標簽和問題，谷歌結果基于過去五年的谷歌搜索結果總數和過去三個月較之前三個月計算出來的季度結果增長率。

其他一些注意事項：

幾個庫是常用詞（caffe、chainer和lasagne），因此用來確定谷歌搜索結果數量的搜索詞包括庫名和“deep learning”這個術語。

任何缺少的Stack Overflow計數一律轉換為零計數。

計數標準化，均值為0，偏差為1，然后求平均值，以獲得Github和Stack Overflow分數，最后結合搜索結果得出總分。

進行一番手動檢查，確認Github的代碼庫位置。