深度學習正以迅雷不及掩耳之勢發展著，近幾年各種不同的深度學習框架也如雨后春筍般紛紛出現，在大廠的支持下這些框架在深度學習的舞臺上華麗登場各顯神通。但時代一直在發展，最早出現的Theano也傳出了即將停止更新的消息。

根據GitHub和Stack Overflow上的數據，谷歌的Tensorflow是目前使用最多的框架，很多人在想tf會不會在未來的日子里占領深度學習市場呢？但事實上其他的深度學習框架也在吸引著越來越多的用戶參與其中，最值得注意的就是Facebook的PyTorch框架了，在曾經流行的框架上新開發了Python的接口，并可以順暢的使用GPU的加速能力。

出了高效的內存使用能力和GPU的加速外，PyTorch最吸引人的地方還在于它的動態計算圖。動態計算圖主要的優勢在于可以根據程序運行的需要靈活地構建計算圖，而不是像傳統的圖模型一樣需要先定義圖在進行計算。這使得輸入更為靈活，對于非結構化數據更是如此。

其他的巨頭在這一年里也紛紛出手，微軟將原來的認知服務工具包進行改進后推出了CNTK深度學習框架，而Facebook同時也推出了新的Caffe2，作為著名框架Caffe的繼承和發揚者。

最初的Caffe由伯克利大學的視覺學習中心研發，目前在深度學習界依然擁有足夠多的人氣。它主要用于計算機視覺，并在Model Zoo中提供了許多性能優異的預訓練模型，Caffe2要超過Caffe可能還需要一些努力和積累。

另一個著名的框架就是來自亞馬遜的MXNet。MXNet有有著出眾的大規模計算性能和分布式計算表現，但它最吸引人的還是來自對于多種語言的支持，包括C++老大哥，麻溜的Python還有統計的R，還包括前端的JavaScript以及Go、Scala、Perl等語言等語言。

出了這些框架外我們還不得不提到Deeplearning4j的java庫和Dlib的c++庫，還有H20.ai以及Spark對機器學習的投入也值得注意。另外Deepmind發布的Sonnet也十分引人注目。

說完了框架，那么還要來看看前端的接口。毫無疑問使用最廣泛的前端接口要是Keras了。Keras是高級深度學習結構，由谷歌的深度學習研究者Fran?ois Chollet創造，同時在2017年開始兼容Tensorflow作為后端，這意味著之后的TF都會包含Kersa的前端。除了TF它還支持Theano和CNTK等后端框架，同時還可以與流行的機器學習包scikit-learn協作使用。

Keras十分強大，人們可以利用它將簡單地神經堆疊起來構建深度學習模型，而無需考慮每一層后面的數學原理。這使得Keras十分適合于構建原型，在Kaggle比賽中十分受歡迎。

有了前端我們就可以利用高級接口簡單迅速的創建簡單或復雜的模型，但同時也可以利用底層的TF等框架進行更靈活地個性化設置。發現了嘛，這里前后端都是Google的產品。但其他廠商不會這樣輕易的放棄，在10月份微軟和亞馬遜推出了新型的前端Gluon API，作為MXNet和CNTK的高級接口，于是Gluon和Keras開始正式的正面競爭。