Keras作者Fran?ois Chollet刚刚在Twitter贴出一张图片，是近三个月来arXiv上提到的深度学习开源框架排行：

TensorFlow排名第一，这个或许并不出意外，Keras排名第二，随后是Caffe、PyTorch和Theano，再次是MXNet、Chainer和CNTK。

Chollet在推文中补充，Kears的使用在产业界和整个数据科学圈中最占主流，产业既包括大公司也包括创业公司。不过，在研究社区，Keras的份额要小很多。

这个统计结果是使用Google Search Index得到的。

这个排名让人想起来之前Fran?ois Chollet晒的另外一次排名（时间范围是2017年4月到7月，综合Github上issue、fork、contributors等数据得到的活跃度），也是TensorFlow和Keras排名第一和第二。

不过，在Github的那次排名，MXNet、PyTorch的名次明显上升。

针对近三个月来arXiv的深度学习框架排名结果，有人评论，他很遗憾Theano排名如此靠后，Theano是他的第一个框架。

深度学习的图景总是在不断变化，Theano是第一个被广泛采用的深度学习框架，由Yoshua Bengio领导的MILA创建和维护。但2017年9月，MILA宣布将在2018年终止Theano的开发和维护。Theano的离开不禁让人感慨，这也是第一个退出舞台的流行框架。

TensorFlow性能并非最优，为何如此受欢迎？粉丝团！

在过去的几年里，出现了不同的开源Python深度学习框架，TensorFlow就属于其中典型，由谷歌开发和支持，自然引发了很大的关注。

但需要指出，根据香港香港浸会大学褚晓文教授团队在2017年推出深度学习工具评测的研究报告《 基准评测 TensorFlow、Caffe、CNTK、MXNet、Torch 在三类流行深度神经网络上的表现（论文）》，TensorFlow的性能在有些时候表现并非最佳：

仅用一块GPU，FCN上Caffe、CNTK和Torch比MXNet和TensorFlow表现更好；CNN上MXNet表现出色，尤其是在大型网络时；而Caffe和CNTK在小型CNN上同样表现不俗；对于带LSTM的RNN，CNTK速度最快，比其他工具好上5到10倍。

通过将训练数据并行化，这些支持多GPU卡的深度学习工具，都有可观的吞吐量提升，同时收敛速度也提高了。多GPU卡环境下，CNTK平台在FCN和AlexNet上的可扩展性更好，而MXNet和Torch在CNN上相当出色。

这一结果，反而凸显出TensorFlow和谷歌强大的号召力，以及已经形成的生态圈的积极拉动影响。

在2017年初的这份报告中，褚晓文教授指出，硬件和软件同样重要，仅仅有硬件是不够的，没有好的软件，硬件的效能发挥不出来，这也是为什么今天有这么多深度学习软件，它们的性能有如此大的差异。

“Torch是很流行的软件，2002年就有了，那时候还没有深度学习。后来把深度学习做进去了。2014年就是Caffe，微软2015年开源了CNTK，接下来谷歌也开源了他们相应的开发平台。第三行是它的粉丝数量，目前（2017年9月）TensorFlow的粉丝团是最庞大的，有6万多个关注，相对来讲，CNTK、Caffe加起来还没有TensorFlow有影响力。最底下是开发平台的维护情况，随着硬件的提升，新的算法的提出，每个软件都是要不断的更新换代的，TensorFlow的更新是非常频繁的，基本上每一两个月就会有一个新的更新，代表着他们对软件平台的投入。”

而Keras，则是谷歌在2017年宣布，将Keras作为TensorFlow的高级API。这意味着Keras被包含在TensorFlow版本中及时更新。除了TensorFlow，Keras也可以使用Theano或者CNTK作为后端。

其他框架和公司合纵连横——中国框架何时才能上榜？

大家可以点击上面的链接仔细看TensorFlow、Caffe、PyTorch、MXNet等框架在各种应用场景下的性能。我们性能更好，但为什么用的人还不是最多？为了解决这个问题，开放神经网络交换（ONNX）格式的发布于2017年9月横空出世。

ONNX最初由微软和Facebook联合发布，后来亚马逊也加入进来，并在12月发布了V1版本。ONNX是一个表示深度学习模型的开放格式。它使用户可以更轻松地在不同框架之间转移模型。例如，它允许用户构建一个PyTorch模型，然后使用MXNet运行该模型来进行推理。

ONNX由微软、亚马逊和Facebook等公司共同发起，宣布支持ONNX的公司还有AMD、ARM、华为、 IBM、英特尔、Qualcomm等。谷歌不在这个阵营中并不令人惊讶。ONNX从一开始就支持Caffe2，Microsoft Cognitive Toolkit，MXNet和PyTorch，但与其他开源项目一样，社区也已经为TensorFlow添加了一个转换器。

在你争我抢，合纵连横之下，深度学习框架的流行趋势似乎很难预测。不过，中国的开源框架，什么时候才能在这样的排名上显露自己的名字呢？

更多机器人、无人机/车、AI 技术资料(点左下角阅读原文）