觉得有帮助请动动小手点赞关注收藏~~~

一、Caffe

Caffe简介

Caffe是一个清晰的，可读性高的，快速的深度学习框架，主要应用在视频，图像处理方面，但是不够灵活，并且对递归网络和语言建模的支持很差

Caffe的特点

Caffe的基本流程是设计建立在神经网络中的一个简单假设，所有的计算都是以层的形式表示的，网络层所做的事情就是输入数据，然后输出计算结果，它的模型与优化都是通过配置文件来设置的，无须代码，并且提供了python和matlab接口

Caffe概述

Caffe是一种对新手非常友好的深度学习框架模型，它的相应优化都是以文本形式而非代码形式给出，Caffe中的网络都是有向无环图的集合，可以直接定义。

二、Tensorflow

Tensorflow简介

Tensorflow是一个采用数据流图用于数值计算的开源软件库，节点在图中表示数学操作，图中的线则表示在节点间相互联系的多为数据数组，即张量(tensor)，它灵活的架构让用户可以在多种平台上展开数值计算

Tensorflow的特点

Tensorflow不是一个严格的神经网络库，只要用户可以将计算表示为一个数据流图就可以使用Tensorflow。用户负责构建图，描写驱动计算的内部循环。Tensorflow在CPU和GPU上运行，并且支持将训练模型自动在多个CPU上规模化运算，以及将模型迁移到移动端后台

三、PyTorch

PyTorch简介

2017年，FaceBook人工智能研究院在Github上开源了PyTorch框架，并迅速占领了热度榜榜首。

PyTorch的特点

PyTorch可以看作是加入了GPU支持的Numpy，PyTorch通过一种反向自动求导的技术，可以让用户零延迟的任意改变神经网络的行为，尽管这项技术不是PyTorch独有的，但是目前为止它是实现最快的，这也是它对比Tensorflow的优势。PyTorch的设计思路是线性直观且易于使用的，所以它的代码相对于Tensorflow而言更好理解。

四、三者的比较

1：Caffe

Caffe的优点是简介快速，缺点是缺少灵活性，因为它的设计缺陷

2：Tensorflow

缺点如下

1：过于复杂的系统设计

2：频繁变动的接口  新老版本兼容性韩岔

3：接口设计过于难懂

4：没有易懂的教程

3：PyTorch 

简介优雅，高效快速，并且代码简介由完整的文档教程，非常使用新手学习，也是当下最火热的深度学习框架之一