在深度學習中，一般通過誤差反向傳播演算法來進行引數學習。採用手工方式來計算梯度再寫**實現的方式會非常低效，並且容易出錯。此外，深度學習模型需要的計算機資源比較多，一般需要在cpu和gpu之間不斷進行切換， 開發難度也比較大。因此，**一些支援自動梯度計算、無縫cpu和gpu切換等功能的深度學習框架就應運而生。**比較有代表性的框架包括：theano、caffe、 tensorflow、pytorch、keras等。
（1）theano
蒙特婁大學的python工具包，用來高效地定義、優化和執行
。多維陣列資料對應數學表示式。 theano可以透明的使用gpus和高效的符號 微分。
（2）caffe
全稱為convolutional architecture for fast feature embedding， 是乙個卷積網路模型的計算框架，所要實現的網路結構可以在配置檔案中指定， 不需要編碼。caffe是用c++和python實現，主要用於計算機視覺。
(3)tensorflow
google公司開發的python工具包，可以在任意具備cpu或 者gpu的裝置上執行。tensorflow的計算過程使用資料流圖來表示。tensorflow的名字**於其計算過程中的操作物件為多維陣列，即張量（tensor）。
(4)pytorch
由facebook、nvidia、twitter等公司開發維護的深度學習框 架，其前身為lua語言的torch6。pytorch也是基於動態計算圖的框架，在需 要動態改變神經網路結構的任務中有著明顯的優勢。
(5)chainer
常用深度學習框架
2018.09.13 深度學習研究的熱潮持續高漲，各種開源深度學習框架也層出不窮，其中包括tensorflow caffe keras cntk torch7 mxnet leaf theano deeplearning4 lasagne neon等。我們參考開源的測試結果，結合自己整理的資料，針對...
常用移動端深度學習框架
深度學習發展很快，最近又出現了幾個新的移動端前向框架，例如tengine和 tvm.我們還沒有對這兩個框架進行深入研究，但是在對應的wiki中，可以看到這兩個框架的速度對於現有框架都具有一定優勢，通過短暫的了解，tengine還是很不錯的，支援op跟模型種類都比較豐富，還支援gpu運算。感興趣的讀者...
包含深度學習常用框架的Docker環境
all in one docker 如果你不想單獨安裝每個深度學習元件，並且厭倦於安裝過程中的各種依賴衝突等問題，那麼推薦你使用docker來搭建深度學習工作環境。下面是乙個可以參考的 all in one docker 環境。幾乎包含了所有的流行的深度學習框架，並且分別有cpu版本和gpu版本，與...