9大Python深度学习库，哪一个最适合你？( 三 ) _Python

9.DIGITS
DIGITS并不是一个真正的深度学习库（虽然它是用Python写的）。DIGITS（深度学习GPU培训系统）实际上是用于培训Caffe深度学习模式的web应用程序（虽然我认为你可以破解源代码然后使用Caffe以外其他的后端进行工作，但这听起来就像一场噩梦）。
如果你曾经用过Caffe，那么你就会知道通过它的终端来定义.prototxt文件、生成图像数据、运行网络并监管你的网络训练是相当繁琐的。DIGITS旨在通过让你在浏览器中执行这些任务来解决这个问题。
此外，DIGITS的用户界面非常出色，它可以为你提供有价值的统计数据和图表作为你的模型训练。另外，你可以通过各种输入轻松地可视化网络中的激活层。最后，如果您想测试一个特定的图像，您可以把图片上传到你的DIGITS服务器或进入图片的URL，然后你的Caffe模型将会自动分类图像并把结果显示在浏览器中。干净利落！

文章插图

福利：
10.Blocks
说实话，虽然我一直想尝试，但截至目前我的确从来没用过Blocks（这也是我把它包括在这个列表里的原因）。就像许多个在这个列表中的其他库一样，Blocks建立在Theano之上，呈现出一个用户友好型的API 。
11.deepy
如果让你猜deepy是围绕哪个库建立的，你会猜什么？
没错，就是Theano 。
我记得在前一段时间用过deepy（做了初始提交），但在接下里的大概6-8个月我都没有碰它了。我打算在接下来的博客文章里再尝试一下。
12.pylearn2
虽然我从没有主动地使用pylearn2，但由于历史原因，我觉得很有必要把它包括在这个列表里。Pylearn2不仅仅是一般的机器学习库（地位类似于scikit-learn），也包含了深度学习算法的实现。
对于pylearn2我最大的担忧就是（在撰写本文时），它没有一个活跃的开发者。正因为如此，相比于像Keras和mxnet这样的有积极维护的库，推荐pylearn2我还有些犹豫。
13.Deeplearning4j
这本应是一个基于Python的列表，但我想我会把Deeplearning4j包括在这里，主要是出于对他们所做事迹的无比崇敬——Deeplearning4j为JVM建立了一个开源的、分布式的深度学习库。
如果您在企业工作，你可能会有一个塞满了用过的Hadoop和MapReduce服务器的储存器。也许这些你还在用，也许早就不用了。
你怎样才能把这些相同的服务器应用到深度学习里？
事实证明是可以的——你只需要Deeplearning4j 。
深入研究深度学习和卷积神经网络

文章插图

图1：了解PyImageSearch大师课程内的如何利用深度学习和卷积神经网络对图像内容进行分类
总结
在这篇文章中，我回顾了一些我最喜爱的深度学习和卷积神经网络库。但这个列表决不是详尽的，而且专注于计算机视觉和卷积神经网络的深度学习库肯定是有失偏颇的。
尽管这样说，但对于一个刚刚进入深度学习领域，并在寻找一个合适的库的人，我认为这确实是一个伟大的列表。
我个人认为打败Keras和mxne是很难的事。Keras库位于计算的龙头地位，如Theano和TensorFlow，可以让您只需几行Python代码就可以构建深度学习架构。
虽然mxnet可能需要更多一点的代码来构建和培养网络，但它能够轻松高效地将培养任务分配到多个GPU中。如果你在一个多GPU系统或环境中，并希望充分利用这个环境，那就肯定要试一试mxnet 。