在TensorFlow或Theano之间选择作为Keras的后端

Keras支持TensorFlow和Theano作为后端：除了目前还不是所有的操作都可以通过TensorFlow后端实现的事实之外，选择一种还是另一种的利弊是什么？

如果可以的话，我会选择Theano。

原因：

• 遗憾的是TensorFlow不具备最新的RNN实现和API，并且还有很长的路要走。在RNN成为流行趋势的领域，Theano在这里占有很大优势。
• 实现范围非常广泛。TensorFlow有很长的路要走。在Theano的帮助下，已经完成了许多最新的ML模型，因此在涉及神经网络时，它就像是一种标准。
• 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，它利用了超棒的map-reduce框架。但是，我很确定TensorFlow会有所改善，因为其创建者Jeff Dean是Map Reduce的父亲。但是，截至目前；是Theano
• 视频分析方面的巨大优势。

但是，TensorFlow同时支持cpp和Python接口，这可能是cpp社区的优势。但是，当涉及到机器学习和数据科学产品时，Python已经成为标准，因此IMO并不是一个巨大优势。

但是，TensorFlow真正的优势在于模型部署和易于生产。由于它使用Eigen进行改进并易于部署，因此对于工程师来说将是一个宠儿。如果它与Windows兼容，那么您将看到巨大的迁移。但是，我已经习惯了Python的开销，我可以等到它变得更加完善。

所以，Theano现在。我可以高兴地等待TensorFlow赶上。

如果您要部署简单到平均复杂性的神经网络，请使用Tensorflow。如果是深度学习，那么Theano。

在2017-09-28宣布Theano将停产：

从https://groups.google.com/forum/#!topic/theano-users/7Poq8BZutbY（Yoshua Bengio）：

经过近十年的开发，我们很遗憾地宣布，在1.0发行版之后，我们将结束Theano的开发，这将在未来几周内完成。我们将继续进行最少的维护，以使其保持一年的运行状态，但是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之后将继续可用，但MILA不会在该时间段后花费时间进行维护或支持。

因此TensorFlow是更好的选择。