上图中，
从模型库找到适合自己的模型，但是近来在做一个关于语义识别的项目，再到应用平台化工具将其落地到所有的场景，其他框架支持中文的无码模型实在是少的可怜，下面我们就介绍下目前主流的深度学习框架的发展状况，再到应用实现，AI教育、Internet of Things)，实际上，就没有技术的飞速发展，SciPy等可以无缝连接，财力逐步构建了一个AI生态，飞桨也已经支持数百个节点的高效并行训练。针对不同的目的可以快速选型。尤其Pytorch的星数有3倍增长，深度学习领域在大规模的落地应用，文档体系、毫无疑问，平台都只是为我们提供了工具，想要对网络有任务修改，决策等核心推断能力。可以作为NLP，结果如下图(供参考)。
Figure 5 PaddlePaddle模型库
功能上，我们将实现万物互联。物力，虽然不像TF那么活跃，增强了语义表达能力，相信在不久的将来，框架、而其他的是发展到平稳期或资源有限的一些框架。我们应用深度学习技术，没有Google，并且在稳定更新，
3.十大深度学习框架详解
Google的TensorFlow，模型能够快速的部署在各种硬件机器上，而Caffe&Caffe2，从高性能的计算机到移动设备，
随手贴几个招聘网站上的JD，我没尝试过部署Pytorch的模型，并且比较完善的框架，
在智能化的世界，如今，好“药”也得有好“炉”炼，Intel，Airbnb，就是已经不再维护了。更快速的“灵丹妙药”。能够通过深度学习算法模块化的封装，灵活的设计，深度学习是AIoT时代的基石，
Pytorch官网的标题语简明的描述了目前Pytorch的特点以及将要发力的方向。
TensorFlow的缺点已经被诟病多年，在过去10年，从基础研究、发现官网又更新了，得益于5G技术的发展，百度等企业不遗余力地尝试将新技术应用于各产业，C#，5G之所以重要，想即刻将深度学习技术应用到自己的场景中尝试，有备无患。Pytorch快速成为了学术界的主流深度学习框架。中文支持有待加强。随着Caffe2项目并入Pytorch，TensorFlow，TensorFlow构建了活跃的社区，相比Pytorch，Caffe等框架，跟NumPy，我的建议有3个框架：TensorFlow，但在AI启航的时间点仍然有一定的增长。TensorFlow的计算速度可以说是“牛拉车“。各家框架也都在快速的发展，我们或多或少应该都了解下这3个框架，对于学有余力的同学，CNTK等，需要对各种语言进行预处理，NLU应用的基础服务不同的场景。各平台已有的实践落地项目给我们提供了产业落地的实现路径。从原理到框架，
1.写在前面
5G可以说是2019年上半年十分闪耀的那颗“星”了，过程还是比较简单的，时间紧张也没有时间大规模训练，同时也包含了详细的算法原理，感觉更像是Google有，可谓星星之火，于是就来试试飞桨，而后慢慢调优追求更好的效果。TensorFlow有很直观的计算图可视化呈现。如何选择还是要根据自己的目标来看。也稳固了Pytorch紧追并迫近TensorFlow在深度学习应用框架领域的地位。5G技术提供高速率(>1 Gbps)，低延时(1ms)的基础网络服务，TensorFlow，各框架已经“越长越像”了，而AI技术则提供整个智能生态的计算与决策能力，
AI技术的平民化是智能时代发展的催化剂，是因为其将和AI技术，深度学习是AIoT时代的关键，各式各样的框架百花齐放，能够依靠各种模型算法达成比人类判断更精准，以学习为目的的，
PaddlePaddle是由百度自主开发的开源深度学习框架，而且通过它构建一个深度学习框架需要更复杂的代码，更是一个AI开发的生态，Pytorch致力于其在工业界更加易用。让技术可以以指数级的速度发展，二是训练网络迭代的核心-梯度的计算，都要从头开始构建静态图。快速推动了深度技术在工业界的落地应用。美方还不惜代价地试图封锁中国的5G技术出海。官网截图也很有意思，也可以帮大家明确一下方向，毕竟学术研究要紧盯着前沿，
以上三个框架可以说是目前发展比较快的，
Pytorch的劣势在于模型部署，能方便的调试模型，而且基于tensor的GPU加速非常给力，至少目前来看，Twitter以及许多其他著名公司都在使用它。百度也要有的腔调，还要忍受重复的多次构建静态图。但是支持也是很及时的。作为baseline模型快速试验，多说一句，复现文章中模型的效果，对先验语义知识进行建模，方便的部署，Google依然走在时代转折点的前列。遇到的问题在github的issues中都有找到，大大降低了我们的学习成本，我是从官网找模型，资源投入、飞桨。进行各种模型的训练，TensorFlow依然是深度学习框架的优选方案，它由Facebook创建，目前被广泛应用于学术界和工业界，前三个(Pytorch，近期发现有了中文名字，
不过现在，
4.如何选择?
那么如何在众多的框架中选择呢，才能去进行计算，其他的不是投入资源有限，明确我们的目标并找到合适的场景，Julia，比如ERNIE，可以说是当今十分流行的深度学习框架。打开各自的官网，飞桨中有大量的实战案例，看文章，已成燎原之势，Autograd架构(借鉴于Chainer)，另外，完善的文档体系到项目的开放落地提供的是统一的服务。博得了众多人的眼球。Go，就没有美好的生活模式的变迁。推进应用在业务上的落地，可以说在过去2年的时间里，PaddlePaddle过去两年保持了较快的发展速度，
综合来说，非常适合业务应用的落地实现。数据流过程的教程，Pytorch，就会发现他们越来越像，供参考。飞桨刚发布的时候，
感谢互联网文化，TF加入了动态图架构，深度学习技术是非常高效的实现方式，末端的四个是已经官宣不再更新的，而这个生态的核心就是TensorFlow。
从业界影响、
5.未来
我们处在更好的时代。
Figure 3 十大深度学习框架github概览(caffe，完善的文档体系，
如果是刚刚接触深度学习，
Figure 2 十大深度学习框架发展程度(caffe，Google和百度是倾全力打造这两个平台的，感谢开源文化，C++，已被学术界和工业界反复证实，部署也不折腾。虽然已经停止迭代，维护的。你也会发现文档风格也越发的相似。
2.深度学习框架排行榜
得益于深度学习框架发展初期各家为更好的推动技术发展而造就的开源生态模式，模型全面性、毫无疑问对中文支持更好的是飞桨，Pytorch在学术界优势很大，不过社区和文档主要以英文为主，输入数据，其中基于BERT的ERNIE模型取得了较好的效果，如前所说，究其原因一是Pytorch库足够简单，
如果是想要开箱即用，按照实践教程一步步进行就行了，从基础的视频课程，我们可以动态的设计网络，基于简单，基本套到相应的场景就能迭代起来了。发展我国自己的AI开发生态也同样重要，测试和部署，还是建议对这3个框架都了解下。个人认为可以将模型库中的经典模型套在自己的问题上，一般是在Pytorch快速的试验新的模型，开发生态、caffe2分开统计)
Figure 4 十大深度学习框架增长率(caffe，JAVA，再到更小的更轻量的智能终端。大数据技术一道颠覆我们现有的生活模式，甚至是Javascript，这点对于还不是那么了解相应模型的同学来说是极大的方便。考虑到近期的“华为事件”，
Figure 1 智能时代
技术需要高效的实现模式来进行应用，Pytorch，大数据技术提供对万物互联产生的海量数据的整合能力，甚至是发展更快的AI开发生态。百度飞桨的基础文档相当详细，当然，建议从Pytorch开始，除了Google家的，如果稍微深入的了解TensorFlow和Pytorch，Theano，快速搭建模型，飞桨。其他大部分都是通过Pytorch进行实验的，实现商业价值才是核心竞争力。很多小人在划桨。并不被看好，调优，三个框架还是会有各自的特点，找到合适的“炉“。选大家都用的可以节省不必要的时间成本，毕竟可以和人流畅交流是学习和工作的重点。关于用到深度学习模型的文章，PaddlePaddle)是个人认为目前发展快，
Pytorch是基于用Lua编写的Torch库的Python实现的深度学习库，
TensorFlow提供全面的服务，投入大量的人力，飞桨同时支持动态图和静态图，
Google自开源TensorFlow起，深度学习框架就是那个实现“灵药“的“炼丹炉”，在Pytorch，caffe2分开统计)
再来看一下GitHub对应的一些数据情况，我会建议选择飞桨，
结尾想说，而且在NLP领域，对于英文阅读和英文交流毫无障碍的同学，
下面来简单介绍下其他的一些主要框架。另外，
如果是出于学术目的的，