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算法的运算所设计。其实，它可以被更好地理解为一个数学表达式的编译器：用符号式语言定义你想要的结果，该框架会对你的程序进行编译，来高效运行于 GPU 或 CPU。

　　它与后来出现的 Tensorflow 功能十分相似（或者应该说，Tensorflow 类似 Theano ），因而两者常常被放在一起比较。它们本身都偏底层，同样的，Theano 像是一个研究平台多过是一个深度学习库。你需要从底层开始做许多工作，来创建你需要的模型。比方说，Theano 没有神经网络的分级。

　　但随着这些年的发展，大量基于 Theano 的开源深度学习库被开发出来，包括 Keras, Lasagne 和 Blocks。这些更高层级的 wrapper API，能大幅减少开发时间以及过程中的麻烦。甚至，据调查统计所知，很少开发者会使用“裸奔”的 Theano，多数人需要辅助的 API。顺便说一句，Theano 是一整套生态系统，别只用它裸奔，然后抱怨不好用。

　　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、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。

　　业内人士普遍认为，Caffe 适合于以实现基础算法为主要目的的工业应用，有利于快速开发。但对于处理较特殊的任务，它存在灵活性不足的问题--为模型做调整常常需要用 C++ 和 CUDA，虽然 Python 和 Matlab 也能做些小调整。

　　相比其他开源框架，Torch 是一个非主流。

　　没错，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。

　　那么它强大在哪里？

　　首先，Torch 非常适用于卷积神经网络。它的开发者认为，Torch 的原生交互界面比其他框架用起来更自然、更得心应手。

　　其次，第三方的扩展工具包提供了丰富的递归神经网络（ RNN）模型。

　　因为这些强项，许多互联网巨头开发了定制版的 Torch，以助力他们的 AI 研究。这其中包括 Facebook、Twitter，和被谷歌招安前的 DeepMind。

　　与 Caffe 相比，在 Torch 里定义一个新层级比它要容易，因为你不需要写  C++ 代码。和 TensorFlow 和 Theano 比起来，Torch 的灵活度更高，因为它是命令式的；而前两者是陈述式的（declarative），你必须 declare 一个计算图。这使得在 Torch 上进行束搜索（beam search）这样的操作要比它们容易得多。

　　SciKit-learn 是老牌的开源 Python 算法框架，始于 2007 年的 Google Summer of Code 项目，最初由 David Cournapeau 开发。

　　它是一个简洁、高效的算法库，提供一系列的监督学习和无监督学习的算法，以用于数据挖掘和数据分析。SciKit-learn 几乎覆盖了机器学习的所有主流算法，这为其在 Python 开源世界中奠定了江湖地位。

　　它的算法库建立在 SciPy (Scientific Python) 之上--你必须先安装 SciPy 才能使用 SciKit-learn 。它的框架中一共包括了：

　　NumPy: 基础的多维数组包

　　SciPy: 科学计算的基础库

　　Matplotlib: 全面的 2D/3D 测绘

　　IPython: 改进的交互控制器

　　Sympy: 符号数学

　　Pandas:数据结构和分析

　　它命名的由来：SciPy 的扩展和模块在传统上被命名为 SciKits。而提供学习算法的模组就被命名为 scikit-learn。

　　它与 Python 世界另一大算法框架--TensorFlow 的主要区别是：TensorFlow 更底层。而 SciKit-learn 提供了执行机器学习算法的模块化方案，很多算法模型直接就能用。

　　从这份统计中不难看出，不少机器学习的框架都是基于Python架构的，Python已逐渐成为人们公认的最合适人工智能开发的语言，奇酷教育Python课程，除了讲授Python基础知识，还会将人工智能、机器学习开发插入其中，同时讲解Python的最佳实践，让学员不仅仅学会编程的基本语法，还能学到资深工程师的编程经验，了解一线互联网公司用到的Python工具和开源项目，熟悉Python高手的编程风格。在这里，你不光能够学会如何编写程序，还能够学会如何编写高质量的程序，一跃成为专业的工程师，更会成为最早接触人工智能的从业人员，一举站在前沿科技浪尖，前程无限！