1.2 深度學習框架
1.2.1 常見框架介紹
在深度學習領域，如果開發者要從零開始進行深度學習算法的開發，難度是相當大的。值得慶幸的是，目前已經有了多個成熟的深度學習框架。使用深度學習框架，開發者可以更快速、更便捷地進行深度學習算法的開發?，F在常用的深度學習框架有 TensorFlow、PyTorch、Keras、Caffe PaddlePaddle（飛漿）等。
TensorFlow是Google在2015年發布的開源深度學習框架，是最常用的深度學習框架之一，它支持多種編程語言及多種操作系統，具有完備的生態環境，具有如TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud等多個子項目，為開發者提供了豐富的應用程序接口（Application Porgram Interface，API），使得開發者可以快速設計深度學習網絡，而不用耗費大量時間編寫底層代碼。
PyTorch是Facebook在原Torch編程框架的基礎上推出的，使用Python為主要的開發語言，采用命令編程方式，極大地方便了神經網絡模型的構建與訓練。PyTorch 不但具有良好的接口設計，而且使用起來相當簡單，可與Numpy、Scipy庫等完美結合，同時具有基于張量的性能優越的GPU加速設計，在學術界是主流的深度學習框架。
Keras是基于Python語言設計編寫的，它可以在TensorFlow上運行，是一個高層的API，支持卷積神經網絡和遞歸神經網絡，在CPU和GPU上均可運行。使用者可以使用Keras快速實現開發目標。Keras 的缺點為缺乏底層實現，對底層框架進行了抽象，運行效率不高，靈活性不足。目前Keras已經被完全封裝在TensorFlow當中，使用TensorFlow的Keras模塊可以獲得Keras所有的編程效果。
Caffe 是基于 C++語言開發的，它主要用于解決卷積神經網絡問題，對于其他神經網絡并不適用。Caffe提供了Python語言的編程接口，它可以基于Python語言進行應用的開發，也可以運行在GPU和CPU上。2017年，由Facebook對Caffe進行了升級，形成了Cafffe2。
提到深度學習框架，不得不提國內著名的PaddlePaddle。PaddlePaddle是百度在2016年宣布開放的深度學習框架，是我國首個自主研發、功能完備的深度學習平臺，集成了模型訓練與推理、基礎模型庫、端到端的開發套件及各種常用的工具庫等，是目前國內市場份額最高的深度學習框架，可以應用在搜索、圖像識別、語音語義識別理解、情感分析、機器翻譯、用戶畫像推薦等領域中，幫助越來越多的行業完成人工智能賦能，實現產業智能化升級。
除以上提到的深度學習框架，還有其他的框架可用于深度學習算法的開發與研究，如Theano、CNTK、MXNetDeeplearning4j、ONNX等。
為了滿足不同用戶的需求，本書主要介紹使用TensorFlow和PyTorch進行項目的實現與講解。如果項目實現中沒有相應的框架，用戶可在配置好Python環境后，參考以下安裝步驟安裝相應框架（詳細的編程環境搭建可掃碼觀看視頻）。
1.操作系統為Windows 7及以上
打開CMD命令行終端界面，輸入以下命令進行安裝。
2.操作系統為Ubuntu18.04及以上
打開Terminal命令行終端界面，輸入以下命令可以進行安裝，在安裝過程中要輸入當前賬號的密碼進行身份核實。
