之前我们公众号输出了很多深度学习开源框架相关的内容，今天整理成技术手册给大家分享以方便阅读，下面是详细信息。
现如今开源生态非常完善，深度学习相关的开源框架众多，光是为人熟知的就有caffe，tensorflow，pytorch/caffe2，keras，mxnet，paddldpaddle，theano，cntk，deeplearning4j，matconvnet等。
如何选择最适合你的开源框架是一个问题，有三AI在前段时间里，给大家整理了10多个深度学习开源框架快速入门的教程和代码，供初学者进行挑选，一个合格的深度学习算法工程师必须熟悉其中主流的，下面是各大开源框架的一个总览。
在这里我们还有一些框架没有放上来，是因为它们已经升级为大家更喜欢或者使用起来更加简单的版本，比如从torch->pytorch，从theano到lasagne。另外这些框架都支持CUDA，因此编程语言这里也没有写上cuda。
在选择开源框架时，要考虑很多原因，比如开源生态的完善性，比如自己项目的需求，比如自己熟悉的语言。当然，现在已经有很多开源框架之间进行互转的开源工具如MMDNN等，也降低了大家迁移框架的学习成本。除此之外还有tiny-dnn，ConvNetJS，MarVin，Neon等等小众，以及CoreML等移动端框架，就不再一一介绍。
总的来说对于选择什么样的框架，有三可以给出一些建议。
(1) 不管怎么说，tensorflow/pytorch你都必须会，这是目前开发者最喜欢，开源项目最丰富的两个框架。
(2) 如果你要进行移动端和嵌入式的开发，那么Caffe是不能不会的。
(3) 如果你非常熟悉Matlab，matconvnet你不应该错过。
(4) 如果你追求高效轻量，那么darknet和mxnet你不能不熟悉。
(5) 如果你很懒，想写最少的代码完成任务，那么用keras吧。
(6) 如果你是java程序员，那么掌握deeplearning4j没错的。
一个框架，官方都会开放有若干的案例，最常见的案例就是以MNIST数据接口+预训练模型的形式，供大家快速获得结果，但是这明显还不够，学习不应该停留在跑通官方的demo上，而是要解决实际的问题。要掌握好一个开源框架，通常需要做到以下几点：
(1) 熟练掌握不同任务数据的准备和使用。
(2) 熟练掌握模型的定义。
(3) 熟练掌握训练过程和结果的可视化。
(4) 熟练掌握训练方法和测试方法。
我们要学会从自定义数据读取接口，自定义网络的搭建，模型的训练，模型的可视化，模型的测试与部署等全方位进行掌握。
在下面的所有框架的学习过程中，我们都要完成下面这个流程，只有这样，才能叫做真正的完成了一个训练任务。
在这样的背景下，我们开设了一个《2小时快速入门开源框架系列》，有超过12个框架的快速入门使用教程，配套文章如下：
本手册各章节及内容如下：
https://github.com/longpeng2008/yousan.ai
目前发布的是V1.0版本，共计150页，发送关键词“深度学习开源框架”到公众号即可获取。
时间过去有段时间了，开源框架也增加了不少，因此我们希望招募更多的小伙伴来进行更新，后续要增加的内容包括：
(1) 增加更多训练框架的使用教程，包括MegEngine，MindSpore等。
(2) 增加推理框架的使用教程，本手册中已经对现有的推理框架进行了更新。
(3) 增加更多高效率工具的使用教程，包括但不限于可视化。
有兴趣一起参与开源工作的，请添加有三微信Longlongtogo。
