最近我无意间在「best python library for neural networks」话题下发现了一个我以前的数据科学栈交换（data science stack exchange）的答案，并且 python 深度学习生态系统在过去两年半中的演变打击到了我。我在 2014 年 7 月推荐的库，pylearn2，已经不再被积极地开发或者维护，大量的深度学习库开始接替它的位置。这些库每一个都各有千秋。我们已经在 indico 的产品或者开发中使用了以下列表中的大部分的技术，但是对于剩下一些我们没有使用的，我将会借鉴他人的经验来帮助给出 2017 年 python 深度学习生态系统的清晰的、详尽的理解。
确切地说，我们将会关注：
theanolasagneblockstensorflowkerasmxnetpytorch
下面是对这 7 大 python 深度学习框架的描述以及优缺点的介绍，而且也为每个框架的使用推荐了一些资源，接下来大家一起看看吧
theano
链接：#python-api-reference
概述：mxnet 是亚马逊（amazon）选择的深度学习库，并且也许是最优秀的库。它拥有类似于 theano 和 tensorflow 的数据流图，为多 gpu 配置提供了良好的配置，有着类似于 lasagne 和 blocks 更高级别的模型构建块，并且可以在你可以想象的任何硬件上运行（包括手机）。对 python 的支持只是其冰山一角—mxnet 同样提供了对 r、julia、c++、scala、matlab，和 javascript 的接口。如果你正在寻找最佳的性能，选择 mxnet 吧，但是你必须愿意处理与之相对的一些 mxnet 的怪癖。
速度的标杆非常灵活
最小的社区比theano 更困难的学习难度
pytorch
链接：https://github/pytorch/pytorch
描述：python 中的张量（tensors）和动态神经网络，有着强大的 gpu 加速。
文档：http://pytorch.org/docs/
概述：刚刚放出一段时间，pytorch 就已经是我们 python 深度学习框架列表中的一个新的成员了。它是从 lua 的 torch 库到 python 的松散端口，由于它由 facebook 的 人工智能研究团队（artificial intelligence research team (fair)）支持且因为它用于处理动态计算图（theano，tensorflow 或者其他衍生品没有的特性，编译者注：现在 tensorflow 好像支持动态计算图），它变得非常的有名。pytorch 在 python 深度学习生态系统将扮演怎样的角色还不得而知，但所有的迹象都表明，pytorch 是我们列表中其他框架的一个非常棒的选择。
来自facebook 组织的支持完全地对动态图的支持高级和低级 api 的混合
比其他选择，pytorch 还不太成熟（用他们自己的话说—「我们正处于早期测试版本。期待一些冒险」）除了官方文档以外，只有有限的参考文献/资源
今天就分享到这里了哦，明天咱们再继续~么么哒