作者：我爱机器学习
链接：https://www.zhihu.com/question/50185775/answer/119792261
从代码和文档的应用角度来看，有几个特点：
2. Layer支持非常多，市面上的FCN、CTC、BN、LSTM悉数在列，下图是Layer的一级目录：
其中Norm/Recurrent/Cost Layer的二级目录为：
3. 和Layer的丰富支持相比，Activation的支持略少：
4. 使用上貌似很类似Caffe，数据预处理等流程都比较类似，Caffe作者贾扬清在前面也已经提及。
5. RNN看起来很方便，Tutorial中直接加了NMT(神经机器翻译)， Text Generation Tutorial
6. 对NLP相关支持比较好，除了5中的NMT外，还有word embedding、语言模型、情感分析、Semantic Role Labelling等Demo Chinese Word Embedding Model Tutorial Sentiment Analysis Tutorial Semantic Role Labelling Tutorial
7. 对推荐支持比较好， Regression MovieLens Ratting 。
