深度学习自2017年开始爆发，目前已有多家公司推出了开源的深度学习框架，目前我们所常用的包含5个常见深度学习框架，我们将从地址和使用方式为大家分享

TensorFlow

TensorFlow是Google Brain团队基于Google在2011年开发的深度学习基础架构DistBelief构建的，在DistBelief V2过后，名称就变成了TensorFlow，所以我们一般认为DistBelief V2就是TensorFlow的前身。Google一直在TensorFlow中封装完善深度学习模型，其中已经集成了Keras的API（使用TensorFlow.Keras来调用Keras的内容）， 其官网介绍TensorFlow 是一个端到端平台，无论专家还是初学者，都可以让您轻松地构建和部署机器学习模型。目前已经有TensorFlow.js 使用 JavaScript 创建新的机器学习模型和部署现有模型，也具备针对移动端设备和边缘设备的解决方案。

可以通过如下代码对模型进行加载和调用：

#调用模型源代码
import tensorflow as tf
sess = tf.Session()
saver = tf.train.Saver()
model_path = 'model.ckpt'
saver.save(sess,model_path)
#保存模型源代码
import tensorflow as tf
sess = tf.Session()
saver =tf.train.Saver()
saver.restore(sess,model_path)
y = sess.run(y,feed_dict={x:data})

TensorFlow官网地址：https://tensorflow.google.cn

TensorFlow的github地址：https://github.com/tensorflow

Keras

对于深度学习领域的小伙伴来说，Keras肯定不会陌生，2015 年 3 月 27 日，谷歌软件工程师、Keras 之父 Francois Chollet 在其 GitHub 上提交并公布了 Keras 的首个版本，Keras使用纯 Python 编写，相较于其他框架来说Keras的API友好且方便，Keras的所有功能有集成到TensorFlow中，我们在安装TensorFlow后可以通过TensorFlow.Keras来调用Keras的内容。

可以通过如下代码进行内置模型调用：

#显示keras内置模型
import tensorflow as tf
help(tf.keras.applications)

运行效果：

Keras官网地址：https://keras.io

Keras的Github地址：https://github.com/keras-team/keras

（注：Keras之父 Francois Chollet 在2021年6月左右宣布因为API使用混乱问题独立出来，不过目前的tensorflow似乎依旧可以使用Keras）

PyTorch

PyTorch是2017年1月FAIR（Facebook AI Research）发布的一款深度学习框架。其实一开始先有Torch，Torch是纽约大学在2012年发布的一款机器学习框架，因为其语言和接口(Lua语言)比较小众，在Facebook对其进行python重构发布后爆火的学习框架。能迅速走红并不只是因为PyTorch背靠Facebook这颗大树，还因为其代码间接，上手快，Debug方便的特性吸引了一众深度学习从业者。

注意：在安装PyTorch时可以通过主页的安装选项自动生成适配的安装代码：

PyTorch官网地址：https://pytorch.org/

PyTorch的github地址：https://github.com/pytorch/pytorch

Caffe

Caffe是一个深度学习框架，最初开发于加利福尼亚大学伯克利分校。Caffe在BSD许可下开源，使用C++编写，带有Python接口。是贾扬清在加州大学伯克利分校攻读博士期间创建的Caffe项目。Caffe的特点是快速上手，提供了训练、测试等完整工具包，并且提供了python和MATLAB 接口，也内置了GPU加速算法。

注意：如果Caffe官网出现排版问题，以http方式访问可以解决这个问题

Caffe官网地址：https://caffe.berkeleyvision.org

Caffe的github地址：https://github.com/BVLC/caffe

MXNet

MXNet由DMLC（Distributed (Deep) Machine Learning Community）打造，DMLC的大部分成员目前大部分是中国人，以陈天奇，李沐，解浚源等为代表，2016年12月初，MXNet 被亚马逊（Amazon）宣布为正式采用的学习框架,它拥有类似于 Theano 和 TensorFlow 的数据流图，为多 GPU 配置提供了良好的配置，有着类似于 Lasagne 和 Blocks 更高级别的模型构建块，并且可以在你可以想象的任何硬件上运行（包括手机）。也正是因为亚马逊的成熟运用导致MXNet一下子爆火，亚马逊的全自动仓储给了人们很深的印象。

MXNet官网地址：https://mxnet.apache.org/

MXNet的github地址：https://github.com/apache/mxnet