TensorFlow是谷歌基于DistBelief進行研發(fā)的第二代人工智能學習系統(tǒng)，其命名來源于本身的運行原理。Tensor（張量）意味著N維數(shù)組，F(xiàn)low（流）意味著基于數(shù)據(jù)流圖的計算，TensorFlow為張量從流圖的一端流動到另一端計算過程。TensorFlow是將復雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工智能神經(jīng)網(wǎng)中進行分析和處理過程的系統(tǒng)。

TensorFlow可被用于語音識別或圖像識別等多項機器深度學習領(lǐng)域，對2011年開發(fā)的深度學習基礎(chǔ)架構(gòu)DistBelief進行了各方面的改進，它可在小到一部智能手機、大到數(shù)千臺數(shù)據(jù)中心服務器的各種設備上運行。TensorFlow將完全開源，任何人都可以用。

TensorFlow 表達了高層次的機器學習計算，大幅簡化了第一代系統(tǒng)，并且具備更好的靈活性和可延展性。TensorFlow一大亮點是支持異構(gòu)設備分布式計算，它能夠在各個平臺上自動運行模型，從手機、單個CPU / GPU到成百上千GPU卡組成的分布式系統(tǒng)。［1］

從目前的文檔看，TensorFlow支持CNN、RNN和LSTM算法，這都是目前在Image，Speech和NLP最流行的深度神經(jīng)網(wǎng)絡模型。

facebook torch

Torch是一個廣泛支持機器學習算法的科學計算框架。易于使用且高效，主要得益于一個簡單的和快速的腳本語言LuaJIT，和底層的C / CUDA實現(xiàn)：Torch | Github

核心特征的總結(jié)：

一個強大的n維數(shù)組

很多實現(xiàn)索引，切片，移調(diào)transposing的例程

驚人的通過LuaJIT的C接口

線性代數(shù)例程

神經(jīng)網(wǎng)絡，并基于能量的模型

數(shù)值優(yōu)化例程

快速高效的GPU支持

可嵌入，可移植到iOS，Android和FPGA的后臺

Torch目標是讓你通過極其簡單過程、最大的靈活性和速度建立自己的科學算法。Torch有一個在機器學習領(lǐng)域大型生態(tài)社區(qū)驅(qū)動庫包，包括計算機視覺軟件包，信號處理，并行處理，圖像，視頻，音頻和網(wǎng)絡等，基于Lua社區(qū)建立。

Torch 的核心是流行的神經(jīng)網(wǎng)絡，它使用簡單的優(yōu)化庫，同時具有最大的靈活性，實現(xiàn)復雜的神經(jīng)網(wǎng)絡的拓撲結(jié)構(gòu)。你可以建立神經(jīng)網(wǎng)絡和并行任意圖，通過CPU和GPU等有效方式。

Torch 廣泛使用在許多學校的實驗室以及在谷歌/ deepmind，推特，NVIDIA，AMD，英特爾和許多其他公司。

Facebook開源了他們基于Torch的深度學習庫包，這個版本包括GPU優(yōu)化的大卷積網(wǎng)（ConvNets）模塊，以及稀疏網(wǎng)絡，這些通常被用在自然語言處理中的應用中。我們的ConvNet模塊包括FFT-based卷積層，使用的是建立在NVIDIA的CUFFT庫上自定義優(yōu)化的CUDA內(nèi)核。

facebook torch

SystemML最初由IBM開發(fā)，現(xiàn)在它是Apache旗下的一個大數(shù)據(jù)項目。它提供了一種高度可擴展的平臺，可以實施用R或類似Python的語法編寫的高級運算和算法。企業(yè)已經(jīng)在用它來跟蹤汽車維修方面的客戶服務，引導機場客流量，或者將社交媒體數(shù)據(jù)與銀行客戶聯(lián)系起來。它可以在Spark或Hadoop上運行。