GitHub地址：https://github.com/tensorflow/
一个核心开源库，可以帮助您开发和训练机器学习模型。您可以通过直接在浏览器中运行 Colab 笔记本来快速上手。
TensorFlow is an end-to-end open source platform for machine learning. It has a comprehensive, flexible ecosystem of tools, libraries, and community resources that lets researchers push the state-of-the-art in ML and developers easily build and deploy ML-powered applications.
TensorFlow was originally developed by researchers and engineers working on the Google Brain team within Google's Machine Intelligence Research organization to conduct machine learning and deep neural networks research. The system is general enough to be applicable in a wide variety of other domains, as well.
译文：
TensorFlow是一个端到端的机器学习开源平台。它拥有一个全面、灵活的工具、库和社区资源生态系统，使研究人员能够推动ML方面的最新技术，并使开发人员能够轻松构建和部署ML驱动的应用程序。 TensorFlow最初是由谷歌机器智能研究组织谷歌Brain团队的研究人员和工程师开发的，用于进行机器学习和深度神经网络研究。该系统足够通用，也可以应用于各种其他领域。
GitHub地址：https://github.com/BVLC/caffe
Caffe，全称Convolutional Architecture for Fast Feature Embedding，是一个兼具表达性、速度和思维模块化的深度学习框架。由伯克利人工智能研究小组和伯克利视觉和学习中心开发。虽然其内核是用C++编写的，但Caffe有Python和Matlab 相关接口。
Caffe is a deep learning framework made with expression, speed, and modularity in mind. It is developed by Berkeley AI Research (BAIR) and by community contributors. Yangqing Jia created the project during his PhD at UC Berkeley. Caffe is released under the BSD 2-Clause license.
译文：Caffe是一个基于表达、速度和模块化的深度学习框架。它是由伯克利人工智能研究(BAIR)和社区贡献者开发的。贾扬青在加州大学伯克利分校攻读博士学位时创建了这个项目。Caffe是在BSD 2条款许可下发布的。
CAFFE是另一个面向图像处理领域的、比较流行的深度学习框架，它是由贾阳青（Yangqing Jia）在加利福尼亚伯克利大学读博士期间开发的。同样，它也是开源的！首先，Caffe对递归网络和语言建模的支持不如上述三个框架。但是Caffe最突出的地方是它的处理速度和从图像中学习的速度。
GitHub地址：https://github.com/apache/incubator-mxnet
Apache MXNet（孵化）是一个深度学习框架，旨在提高效率和灵活性。它允许您混合符号和命令式编程，以最大限度地提高效率和生产力。MXNet的核心是一个动态依赖调度程序，可以动态地自动并行化符号和命令操作。最重要的图形优化层使符号执行更快，内存效率更高。MXNet便携且轻巧，可有效扩展到多个GPU和多台机器。
MXNet也不仅仅是一个深度学习项目。它还是用于构建深度学习系统的蓝图和指南的集合，以及针对黑客的DL系统的有趣见解。
GitHub地址：https://github.com/pjreddie/darknet
Darknet is an open source neural network framework written in C and CUDA. It is fast, easy to install, and supports CPU and GPU computation.
译文：Darknet是一个用C和CUDA编写的开源神经网络框架。它速度快，易于安装，并支持CPU和GPU计算。
GitHub地址：http://github.com/torch/torch7
Torch is a scientific computing framework with wide support for machine learning algorithms that puts GPUs first. It is easy to use and efficient, thanks to an easy and fast scripting language, LuaJIT, and an underlying C/CUDA implementation.
Torch是一个科学计算框架，广泛支持将gpu放在首位的机器学习算法。它易于使用且高效，这要归功于简单且快速的脚本语言LuaJIT和底层的C/CUDA实现。
# 扩展了解《pytorch和torch框架对比（区别 联系）》
GitHub地址：https://github.com/pytorch
PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。 PyTorch提供了两个高级功能： * 具有强大的GPU加速的张量计算（如Numpy） * 包含自动求导系统的深度神经网络
除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch。
GitHub地址：https://github.com/onnx/onnx
ONNX is an open format built to represent machine learning models. ONNX defines a common set of operators - the building blocks of machine learning and deep learning models - and a common file format to enable AI developers to use models with a variety of frameworks, tools, runtimes, and compilers.
译文：ONNX是一种用于表示机器学习模型的开放格式。ONNX定义了一组通用的操作符——机器学习和深度学习模型的构建块——以及一种通用的文件格式，使AI开发人员能够使用各种框架、工具、运行时和编译器来使用模型。
开放神经网络交换（Open Neural Network Exchange）简称ONNX是微软和Facebook提出用来表示深度学习模型的开放格式。所谓开放就是ONNX定义了一组和环境，平台均无关的标准格式，来增强各种AI模型的可交互性。
GitHub地址：https://github.com/keras-team/keras
Keras is a deep learning API written in Python, running on top of the machine learning platform TensorFlow. It was developed with a focus on enabling fast experimentation. Being able to go from idea to result as fast as possible is key to doing good research.
译文：Keras是一个用Python编写的深度学习API，运行在机器学习平台TensorFlow之上。它的开发重点是实现快速实验。能够尽可能快地从想法到结果是做好研究的关键。
Github地址：https://github.com/eclipse/deeplearning4j/
Open-source, distributed, deep learning library for the JVM,Deep Learning for Java
译文：开源，分布式，JVM的深度学习库，Java的深度学习
X-DeepLearning（阿里）
GitHub地址：https://github.com/alibaba/x-deeplearning
X-DeepLearning的计划是业界首个面向广告、推荐、搜索等高维稀疏数据场景的深度学习开源框架，可以与TensorFlow、PyTorch 和 MXNet 等现有框架形成互补。
X-Deep Learning（下文简称XDL）由阿里巴巴旗下大数据营销平台阿里妈妈基于自身广告业务自主研发，已经大规模部署应用在核心生产场景。
XDL整体上跟TensorFlow和PyTorch是同级的，它们很好地解决了目前已有开源深度学习框架分布式运行能力不足，以及大规模稀疏特征表征学习能力不足的问题。
XDL 采用了“桥接”的架构设计理念。
ncnn (腾讯优图）
GitHub地址：https://github.com/Tencent/ncnn/tree/master/benchmark
Gitee地址：https://gitee.com/cloud_lee/ncnn
ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端高效执行，开发出人工智能 APP，将 AI 带到你的指尖。ncnn 目前已在腾讯多款应用中使用，如 QQ，Qzone，微信，天天P图等。
GitHub地址：https://github.com/Jittor/Jittor
Jittor is a high-performance deep learning framework based on JIT compiling and meta-operators. The whole framework and meta-operators are compiled just-in-time. A powerful op compiler and tuner are integrated into Jittor. It allowed us to generate high-performance code with specialized for your model. Jittor also contains a wealth of high-performance model libraries, including: image recognition, detection, segmentation, generation, differentiable rendering, geometric learning, reinforcement learning, etc.
译文：Jittor是一个基于JIT编译和元操作符的高性能深度学习框架。整个框架和元操作符都是即时编译的。Jittor集成了一个强大的op编译器和调优器。它允许我们生成专门针对您的模型的高性能代码。Jittor还包含了丰富的高性能模型库，包括:图像识别、检测、分割、生成、可微分渲染、几何学习、强化学习、等等
MindSpore（昇思）(华为）
GitHub地址：https://github.com/mindspore-ai/mindspore
Gitee地址：https://gitee.com/mindspore/mindspore
MindSpore是一种适用于端边云场景的新型开源深度学习训练/推理框架。 MindSpore提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程师的开发体验，并为Ascend AI处理器提供原生支持，以及软硬件协同优化。
飞桨（百度）
GitHub地址：https://github.com/paddlepaddle/paddle
飞桨开源框架(PaddlePaddle)是一个易用、高效、灵活、可扩展的深度学习框架。
# 扩展学习
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。