机器学习开源框架主要有哪些，各自的优缺点是什么？

          人工智能这么火，人工智能的重要研究领域，机器学习的框架主要有哪些，优缺点是什么？

      Theano 在深度学习框架中是祖师级的存在。它的开发始于2007，早期开发者包括传奇人物 Yoshua Bengio 和 Ian Goodfellow。
      Theano 基于 Python，是一个擅长处理多维数组的库（这方面它类似于 NumPy）。当与其他深度学习库结合起来，它十分适合数据探索。它为执行深度学习中大规模神经网络算法的运算所设计。
优点：

• Python + NumPy 的组合
• 使用计算图
• RNN 与计算图兼容良好
• 有 Keras 和 Lasagne 这样高层的库
• 不少开发者反映，它的学习门槛比Tensorflow 低
  
  

缺点：

• 本身很底层
• 比 Torch 臃肿
• 不支持分布式
• 有的错误信息没什么用
• 大模型的编译时间有时要很久
• 对事先训练过的模型支持不足
• 用的人越来越少
  
  

         Caffe，这又是一个祖师级的深度学习框架，2013 年就已问世，它的全称是 “Convolution Architecture For Feature Extraction”，意为“用于特征提取的卷积架构”，很明白地体现了它的用途。Caffe 的创始人，是加州大学伯克利分校的中国籍博士生贾扬清。当时贾在伯克利计算机视觉与学习中心做研究。博士毕业后，他先后在谷歌和 Facebook 工作。

         在 AI 开发者圈子中，Caffe 可以说是无人不知、无人不晓。据 GitHub 最新的机器学习项目热度排名，Caffe 仅位列 Tensorflow 之后，雄踞第二。它是一个被广泛使用的机器视觉库，把 Matlab 执行快速卷积网络的方式带到 C 和 C++。虽然 Caffe 被部分开发者看做是通用框架，但它的设计初衷是计算机视觉——并不适于其他深度学习应用，比如文字、语音识别和处理时间序列数据。

       Caffe 的主要用途：利用卷积神经网络进行图像分类。这方面它代表了业内一流水平，是开发者的首选。

        说到 Caffe，就不得不提 Model Zoo。后者是在 Caffe 基础上开发出的一系列模型的汇聚之地。因此，开发者使用 Caffe 最大的好处是：能在 Model Zoo 海量的、事先训练好的神经网络中，选择贴近自己使用需求的直接下载，并立刻就能用。

优点：

• 非常适合前馈神经网络和图像处理任务
• 非常适于利用现有神经网络
• 不写代码也能训练模型
• Python 交互界面做得不错
  

缺点：

• 需要 C++ 和 CUDA 来编写新 GPU 层级。
• 在递归神经网络上表现不佳
• 对于大型神经网络，它十分繁琐（GoogLeNet, ResNet）
• 没有商业支持
  

     Torch，相比其他开源框架，Torch 是一个非主流，说的就是它的开发语言：基于1990 年代诞生于巴西的 Lua，而非机器学习界广泛采用的 Python。其实 Lua 和Python 都属于比较容易入门的语言。但后者明显已经统治了机器学习领域，尤其在学界。而企业界的软件工程师最熟悉的是 Java，对 Lua 也比较陌生。这导致了 Torch 推广的困难。因此，虽然 Torch 功能强大，但并不是大众开发者的菜。

    Torch 的热门应用：在增强学习领域，用卷积神经网络和代理处理图像问题，兴趣主要在增强学习的开发者， Torch 是首选。

优点：

• 灵活度很高
• 高度模块化
• 容易编写你自己的层级
• 有很多训练好的模型
  
  

缺点：

• 需要学  Lua
• 通常需要自己写训练代码
• 不适于循环神经网络
• 没有商业支持