tensorflow：
除了核心C++接口，还有Python, Go 和Java接口
内置的TF.Learn 和 TF.Slim等上层组件可帮助快速地设计新网络
其数据流式图支持非常自由的算法
主要面向内存足以装载模型参数的环境，这样可以最大化计算效率
灵活的移植性，极快的编译速度（与Theano）
有功能强大的可视化组件Tensor Borad，可视化网络结构和训练过程
除了支持CNN，RNN外，还支持深度学习乃至其他计算密集的科学计算
计算图必须构建伪静态图 - 薄弱方面 -计算是纯Python的，因此速度较慢
其异构性让它能够全面地支持各种硬件和操作系统
2016年开源Tensorflow Serving，它是一个为生产环境和设计的高性能的机器学习服务系统，它可以同时运行多个大规模深度学习模型，支持模型生命周期管理，算法实验，并可以高效地利用GPU资源，让Tensorflow训练好的模型更快捷方便地投入实际生产环境。
TF Serving组件可以将TF训练好的模型导出，并部署成可以对外提供预测服务的RESTful接口，有这组件，TF就可以实现应用机器学习的全流程；从训练模型，调试参数，到打包模型，最后部署服务，名副其实是一个从研究到生产整条流水线都齐备的框架
拥有产品级的高质量代码，有Google强大的开发维护能的加持，整体构架设计也非常优秀