【引言】現在市面上同時存在多種深度學習框架，不同公司或科研團體會根據具體應用不同選擇不同框架。網絡上不缺少對深度學習框架的比較分析，但隨着時間流逝，框架版本更新會影響性能，接口和文檔更新會影響開發效率，同時考慮到商業因素及媒體宣傳水分，本節會從實戰角度給出對熱門框架的比較分析，並在最後給出選擇建議，可供參考。
框架選擇建議：
1.無論是在具體商業應用還是實驗研究，深度學習+遷移學習（Fine-tune）的組合會有助於降低模型對數據量的需求，同時能大大節約運算時間，所以選擇框架時建議首先考慮到“是否有預訓練模型”以及“遷移訓練預訓練模型難度”這兩點。（若有足夠數量的高質量數據和優良的計算資源可忽略本條）
2.天下武功爲快不破。訓練速度越快越好，上手速度越快越好，內存佔用越少越好，有時候增加內存是“用空間換時間”提升速度的表現。支持動態圖的框架通常訓練速度會偏慢，但是上手速度會快些。
3.具體要商業化做成產品則要考慮到框架穩定性、兼容性可移植性
4.是否需要對底層功能進行擴展要考慮框架粒度，同時兼顧接口語言和開發語言。