（full disclosure：我的組員目前常用的框架是Caffe2和PyTorch，產品線上的Caffe程式碼已經完全migrate到C2，已有的Torch程式碼正在根據專案情況逐步轉向C2或者PyTorch。）PyTorch用來做非常dynamic的研究加上對速度要求不高的產品。Caffe2用來做計算機視覺，HPC和數值最佳化的研究，加上產品線裡的高效部署。Caffe可以繼續用，不過如果你關注mix precision或者heterogeneous computation或者手機和嵌入式端的話，建議嘗試一下Caffe2。如果你用Theano，建議轉向TensorFlow，或者PyTorch，後者更靈活一些。如果你用Torch，強烈建議轉向PyTorch。已有模型可以考慮torch2caffe來部署。如果你用TensorFlow，開心就好，performance的確是個問題，但是畢竟社群好。如果你想認真學machine learning，那請不要用keras，我一般收到的反饋是，keras做簡單的東西容易，一旦你要做點真research，就很難改，因為包裝太多。關於我家Caffe2和PyTorch的關係問題，這是我在ICLR的揹包照片，所以請不用擔心。（Caffe2的貼紙我忘在加州了，有興趣的回頭可以找我要）最後一句話，框架就是個框架，最終要能出活。
（full disclosure：我的組員目前常用的框架是Caffe2和PyTorch，產品線上的Caffe程式碼已經完全migrate到C2，已有的Torch程式碼正在根據專案情況逐步轉向C2或者PyTorch。）PyTorch用來做非常dynamic的研究加上對速度要求不高的產品。Caffe2用來做計算機視覺，HPC和數值最佳化的研究，加上產品線裡的高效部署。Caffe可以繼續用，不過如果你關注mix precision或者heterogeneous computation或者手機和嵌入式端的話，建議嘗試一下Caffe2。如果你用Theano，建議轉向TensorFlow，或者PyTorch，後者更靈活一些。如果你用Torch，強烈建議轉向PyTorch。已有模型可以考慮torch2caffe來部署。如果你用TensorFlow，開心就好，performance的確是個問題，但是畢竟社群好。如果你想認真學machine learning，那請不要用keras，我一般收到的反饋是，keras做簡單的東西容易，一旦你要做點真research，就很難改，因為包裝太多。關於我家Caffe2和PyTorch的關係問題，這是我在ICLR的揹包照片，所以請不用擔心。（Caffe2的貼紙我忘在加州了，有興趣的回頭可以找我要）最後一句話，框架就是個框架，最終要能出活。