在Tensorflow或Theano之间选择作为Keras的后端

Question

凯拉斯 两者都支持 TensorFlow 和 Theano 作为后端：除了当前并非所有操作都使用TensorFlow后端实施的事实外，选择一个与另一个相对于另一个的利弊是什么？

Answer 1

在2017-09-28宣布，Theano将被终止：

从 https://groups.google.com/forum/# !! topic/theano-users/7poq8bzutby （Yoshua Bengio）：

经过将近十年的发展，我们感到遗憾地宣布，我们将在1.0发行后结束Theano开发，这将在接下来的几周内到期。我们将继续最少的维护，以使其工作一年，但我们将停止积极实施新功能。根据我们对开源软件的参与，Theano将继续提供，但Mila并不承诺在此之后花费时间进行维护或支持。

因此，TensorFlow是一个更好的选择。

Answer 2

如果我得到了选择， 我会和Theano一起去.

原因：

• 最先进的RNN实施和API, ，不幸的是，张量不具备，并且 还有很长的路要走. 。在RNN是流行狂热的域中，Theano在那里有很大的优势。
• 非常广泛的实现. 。 TensorFlow赶上了很长的路要走。在Theano的帮助下，许多最近的ML模型已经完成，因此在神经网络方面，这就像标准一样。
• 优化和 改进的循环: Theano的扫描是在神经网络中循环的绝妙方法，它利用了很棒的地图框架框架。但是，我很确定TensorFlow会改善这一点，因为其创建者Jeff Dean是Map Reading的父亲。但是，到目前为止；是Theano
• 在视频分析方面，巨大的优势。

但是，TensorFlow支持CPP和Python接口，这可能是CPP社区的优势。但是，在ML和Data Science产品方面，Python一直是标准的，因此它不会成为IMO的巨大优势。

但是，模型部署和在生产中的易用性是TensorFlow具有真正优势的地方。由于它使用特征来改进和易于部署，因此对工程师来说将是一个宠儿。如果它与Windows兼容，那么您会看到巨大的迁移。但是，我已经习惯了python的头顶，我可以等到它变得更加抛光。

所以，蒂诺现在。我可以很高兴地等待TensorFlow赶上。

如果您部署了简单至平均的复杂性神经网络，请使用TensorFlow。如果深度学习，那么Theano。