數據與智能 出版了專著「構建企業級推薦系統：演算法、工程實現與案例分析」。每周輸出7篇推薦系統、數據分析、大數據、AI原創文章。「數據與智能」(同名視頻號、知乎、頭條、B站、快手、抖音、小紅書等自媒體平台號) 社區，聚焦數據、智能領域的知識分享與傳播。
作者 | Harper
審核 | gongyouliu
編輯 | gongyouliu
我在前面的內容中給大家介紹了深度學習相比機器學習的優勢所在，也給大家梳理了目前主流的機器學習工具，本期給大家分享的內容是主流的深度學習工具。
深度學習是人工智慧中最有趣的領域之一，因此有許多工具可以用於創建深度學習人工神經網路，這些工具以深度學習框架的形式出現。深度學習框架是一個介面，它使得開發人員能夠使用一組預先構建的組件快速、輕鬆地構建和部署深度學習AI模型。
最流行的深度學習框架之一是TensorFlow，由Google Brain團隊於2011年創建的Tensorflow是一個端到端的開源機器學習框架，用於開發、訓練和部署機器學習模型。你可以將它用於大多數基於雲的機器學習服務平台，包括Amazon SageMaker、IBM Watson和Microsoft Azure。TensorFlow 是跨平台的，這意味著它可以運行在各種架構——伺服器、 智能手機甚至GPU上。使用所謂的「TensorFlow 分散式執行引擎」來抽象大部分的硬體，使用Python作為前端應用程序編程介面來構建應用程序，使用高性能C++來執行這些應用程序。
那麼另一個框架是Microsoft Cognitive Tolkit (簡稱CNTK)這是一個用於商業級分布 式深度學習的開源工具包。作為TensorFlow的競爭對手，CNTK是另一個用於構建和部署深度學習模型的底層深度學習框架。CNTK似乎比TensorFlow在處理速度、創建生產就緒的模型以及支持CPU和GPU計算方面更具優勢。而TensorFlow在易用性、社區支持和移動深度學習方面得分較高。但這兩個框架也正在不斷開發當中。
還有另一個流行的工具是Keras，它是一個用Python編寫的開源神 經網路庫。你可以在TensorFlow或CNTK (以及其他底層深度學習庫)上運行Keras,並將其用作高級API,以簡化構建深度學習模型的過程。它是模塊化的、可擴展的、用戶友好的，並且設計用於實現快速實驗。如果你正在使用深度學習人工神經網路識別對象，那麼還有一個名為Caffe的深度學習框架， 該框架是由Berkeley AI research 和一個貢獻者社區開發的，大家可以上它的官網查看更多關於caffe的信息。
總的來說，如果你剛開始構建自己的深度學習人工神經網路，建議從TensorFlow和Keras開始。隨著你獲得了更多關於機器學習演算法、Python和C++的經驗，你可以嘗試更多的可能。除了簡化開發和部署之外，TensorFlow是在幾乎所有流行的雲服務上構建深度學習網路的最流行框架之一。你還可以在自己的伺服器、手機、計算機或其他計算設備上運行它們。它將構建這些網路時遇到的大部分技術難題抽象出來，並可以靈活地在許多現有技術的基礎上運行深度學習人工神經網路。
