1.2 深度学习框架

1.2.1 常见框架介绍

在深度学习领域，如果开发者要从零开始进行深度学习算法的开发，难度是相当大的。值得庆幸的是，目前已经有了多个成熟的深度学习框架。使用深度学习框架，开发者可以更快速、更便捷地进行深度学习算法的开发。现在常用的深度学习框架有 TensorFlow、PyTorch、Keras、Caffe PaddlePaddle（飞浆）等。

TensorFlow是Google在2015年发布的开源深度学习框架，是最常用的深度学习框架之一，它支持多种编程语言及多种操作系统，具有完备的生态环境，具有如TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud等多个子项目，为开发者提供了丰富的应用程序接口（Application Porgram Interface，API），使得开发者可以快速设计深度学习网络，而不用耗费大量时间编写底层代码。

PyTorch是Facebook在原Torch编程框架的基础上推出的，使用Python为主要的开发语言，采用命令编程方式，极大地方便了神经网络模型的构建与训练。PyTorch 不但具有良好的接口设计，而且使用起来相当简单，可与Numpy、Scipy库等完美结合，同时具有基于张量的性能优越的GPU加速设计，在学术界是主流的深度学习框架。

Keras是基于Python语言设计编写的，它可以在TensorFlow上运行，是一个高层的API，支持卷积神经网络和递归神经网络，在CPU和GPU上均可运行。使用者可以使用Keras快速实现开发目标。Keras 的缺点为缺乏底层实现，对底层框架进行了抽象，运行效率不高，灵活性不足。目前Keras已经被完全封装在TensorFlow当中，使用TensorFlow的Keras模块可以获得Keras所有的编程效果。

Caffe 是基于 C++语言开发的，它主要用于解决卷积神经网络问题，对于其他神经网络并不适用。Caffe提供了Python语言的编程接口，它可以基于Python语言进行应用的开发，也可以运行在GPU和CPU上。2017年，由Facebook对Caffe进行了升级，形成了Cafffe2。

提到深度学习框架，不得不提国内著名的PaddlePaddle。PaddlePaddle是百度在2016年宣布开放的深度学习框架，是我国首个自主研发、功能完备的深度学习平台，集成了模型训练与推理、基础模型库、端到端的开发套件及各种常用的工具库等，是目前国内市场份额最高的深度学习框架，可以应用在搜索、图像识别、语音语义识别理解、情感分析、机器翻译、用户画像推荐等领域中，帮助越来越多的行业完成人工智能赋能，实现产业智能化升级。

除以上提到的深度学习框架，还有其他的框架可用于深度学习算法的开发与研究，如Theano、CNTK、MXNetDeeplearning4j、ONNX等。

为了满足不同用户的需求，本书主要介绍使用TensorFlow和PyTorch进行项目的实现与讲解。如果项目实现中没有相应的框架，用户可在配置好Python环境后，参考以下安装步骤安装相应框架（详细的编程环境搭建可扫码观看视频）。

1.操作系统为Windows 7及以上

打开CMD命令行终端界面，输入以下命令进行安装。

2.操作系统为Ubuntu18.04及以上

打开Terminal命令行终端界面，输入以下命令可以进行安装，在安装过程中要输入当前账号的密码进行身份核实。