作者：我愛機器學習

　　鏈接：https://www.zhihu.com/question/50185775/answer/119792261

　　從代碼和文檔的應用角度來看，有幾個特點：

　　2. Layer支持非常多，市面上的FCN、CTC、BN、LSTM悉數(shù)在列，下圖是Layer的一級目錄：

　　其中Norm/Recurrent/Cost Layer的二級目錄為：

　　3. 和Layer的豐富支持相比，Activation的支持略少：

　　4. 使用上貌似很類似Caffe，數(shù)據(jù)預處理等流程都比較類似，Caffe作者賈揚清在前面也已經(jīng)提及。

　　5. RNN看起來很方便，Tutorial中直接加了NMT(神經(jīng)機器翻譯)， Text Generation Tutorial

　　6. 對NLP相關支持比較好，除了5中的NMT外，還有word embedding、語言模型、情感分析、Semantic Role Labelling等Demo Chinese Word Embedding Model Tutorial Sentiment Analysis Tutorial Semantic Role Labelling Tutorial

　　7. 對推薦支持比較好， Regression MovieLens Ratting 。