TensorFlow是Google基于DistBelief开发的第二代人工智能学习系统。它的名称来自其自身的工作原理。 Tensor（张量）表示N维数组，Flow（流）表示基于数据流图的计算，TensorFlow是张量从流程图的一端流向另一端的计算过程。 TensorFlow是一个将复杂的数据结构传输到人工智能神经网络进行分析和处理的系统。 TensorFlow可用于许多机器深度学习领域，例如语音识别或图像识别。 DistBelief于2011年开发的深度学习基础架构已在各个方面进行了改进。它可以小到智能手机，也可以大到数千个单元。数据中心服务器在各种设备上运行。 TensorFlow将是完全开源的，任何人都可以使用它。 TensorFlow表示高级机器学习计算，大大简化了第一代系统，并具有更好的灵活性和可扩展性。 TensorFlow的亮点之一是其对异构设备上的分布式计算的支持。它可以在各种平台上自动运行模型，从手机，单个CPU / GPU到由数百个GPU卡组成的分布式系统。 [1]从当前文档来看，TensorFlow支持CNN，RNN和LSTM算法，它们是当前在图像，语音和NLP中最流行的深度神经网络模型。 facebook torchTorch是一个科学计算框架，广泛支持机器学习算法。易于使用和高效，主要是由于使用了一种简单快速的脚本语言LuaJIT以及底层的C / CUDA实现： Github的核心功能摘要：强大的n维数组，具有许多实现索引，切片和转置的实现。这些例程通过LuaJIT C接口线性代数例程神经网络和基于能量的模型数值优化例程而令人惊讶。可以嵌入GPU支持，可以移植到iOS，Android和FPGA背景Torch的目标是让您通过极其简单的过程，最大的灵活性和速度来构建自己的科学算法。 Torch在机器学习领域拥有一个由生态社区驱动的大型图书馆程序包，其中包括基于Lua社区的计算机视觉软件包，信号处理，并行处理，图像，视频，音频和网络等。 Torch的核心是流行的神经网络，它使用简单的优化库，同时具有最大的灵活性来实现复杂的神经网络拓扑。您可以通过有效的方法（例如CPU和GPU）构建神经网络和并行任意图。火炬在许多学校实验室以及Google / deepmind，Twitter，NVIDIA，AMD，Intel和许多其他公司中得到广泛使用。 Facebook开源了他们基于Torch的深度学习库程序包。此版本包括GPU优化的ConvNets（ConvNets）模块和稀疏网络，通常在自然语言处理应用程序中使用。我们的ConvNet模块包括一个基于FFT的卷积层，使用基于NVIDIA CUFFT库构建的自定义优化CUDA内核。 facebook torchSystemML最初是由IBM开发的，现在它是Apache下的一个大数据项目。它提供了一个高度可扩展的平台，可以实现以R或类似Python的语法编写的高级操作和算法。公司已经在使用它来跟踪汽车维修中的客户服务，指导机场的旅客流量或将社交媒体数据与银行客户联系起来。它可以在Spark或Hadoop上运行。