在深度學(xué)習(xí)方面，Python也有著不可動搖的地位，并提供了很多第三方庫。那么主流的Python深度學(xué)習(xí)庫有哪些?本文將為大家詳細(xì)介紹一下。

　　由于Python的易用性和可擴(kuò)展性，眾多深度學(xué)習(xí)框架提供了Python接口，其中較為流行的深度學(xué)習(xí)庫如下：

　　第一：Caffe

　　Caffe是一個以表達(dá)式、速度和模塊化為核心的深度學(xué)習(xí)框架，具備清晰、可讀性高和快速的特性，在視頻、圖像處理方面應(yīng)用較多。

　　Caffe中的網(wǎng)絡(luò)結(jié)構(gòu)與優(yōu)化都以配置文件形式定義，容易上手，無須通過代碼構(gòu)建網(wǎng)絡(luò);網(wǎng)絡(luò)訓(xùn)練速度快，能夠訓(xùn)練大型數(shù)據(jù)集與State-of-the-art的模型，模塊化的組件可以方便地拓展到新的模型與學(xué)習(xí)任務(wù)上。

　　第二：Theano

　　Theano誕生于2008年，是一個高性能的符號計(jì)算及深度學(xué)習(xí)庫，被認(rèn)為是深度學(xué)習(xí)庫的始祖之一，也被認(rèn)為是深度學(xué)習(xí)研究和應(yīng)用的重要標(biāo)準(zhǔn)之一。其核心是一個數(shù)學(xué)表達(dá)式的編譯器，專門為處理大規(guī)模神經(jīng)網(wǎng)絡(luò)訓(xùn)練的計(jì)算而設(shè)計(jì)。

　　Theano很好地整合了Numpy，可以直接使用Numpy的Ndarray，使得API接口學(xué)習(xí)成本大為降低;其計(jì)算穩(wěn)定性好，可以精準(zhǔn)地計(jì)算輸出值很小的函數(shù);可動態(tài)地生成C或者CUDA代碼，用來編譯成高效的機(jī)器代碼。

　　第三：TensorFlow

　　TensorFlow是相對高階的機(jī)器學(xué)習(xí)庫，其核心代碼使用C++編寫，并支持自動求導(dǎo)，使得用戶可以方便地設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，不需要親自編寫C++或CUDA代碼，也無須通過反向傳播求解梯度。由于底層使用C++語言編寫，運(yùn)行效率得到了保證，并簡化線上部署的復(fù)雜度。

　　TensorFlow不只局限于神經(jīng)網(wǎng)絡(luò)，其數(shù)據(jù)流式圖還支持非常自由的算法表達(dá)，也可以輕松實(shí)現(xiàn)深度學(xué)習(xí)以外的機(jī)器學(xué)習(xí)算法。

　　第四：Keras

　　Keras是一個高度模塊化的神經(jīng)網(wǎng)絡(luò)庫，使用Python實(shí)現(xiàn)，并可以同時運(yùn)行在TensorFlow和Theano上。

　　Keras專精于深度學(xué)習(xí)，其提供了到目前為止最方便的API，用戶僅需將高級的模塊拼在一起便可設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)，大大降低了編程開銷與理解開銷。