转自：https://www.zhihu.com/question/50030898/answer/235137938
如何比较Keras, TensorLayer, TFLearn ？
这三个库主要比的是API设计水平，不得不说原始的 Tensorflow API的确反人类，我承认它的完善、表达能力强，性能好，但是接口设计对人类非常不友好。
这就给了做高层抽象API封装的生存空间，Keras Tensorlayer TFLearn 是目前比较成熟的几个库。
做个比喻，Tensorflow就像当年的 Win32 API，功能强大但是难以使用，随便做点小事情就要写很多代码，我清楚记得我写个显示空白窗口的程序就要40来行。
Tensorlayer比较像 WTL，把一些繁琐的代码封装成更容易使用的接口，但是仍然保留了对底层API调用的能力，抽象的层次不高，仍然可以看到底层的 数据结构和网络结构。比如 可以看到 Session和Placeholder等。
TFLearn比较像 MFC，抽象的层次更高，创造了自己的一套子语法，代码可读性更好，屏蔽了底层难以理解的东西。
Keras比较像 Qt，很高的抽象层次，甚至跨越了多个深度学习框架，完全看不到底层的细节了，甚至某些情况需要触碰底层的对象和数据反而非常麻烦。
不同的抽象层次带来不同的学习难度，适应不同的需求。
基本建议：
如果只是想玩玩深度学习，想快速上手 -- Keras
如果工作中需要解决内部问题，想快速见效果 -- TFLearn 或者 Tensorlayer
如果正式发布的产品和业务，自己设计网络模型，需要持续开发和维护 -- Tensorlayer
以上只是个人建议，具体情况因人而异。