1樓：Hengkai Guo
1. 介面:keras是用Python定義模型和執行過程，而caffe主要通過protobuf定義模型，基於命令列或者Python或者matlab來訓練和測試模型。
不好說哪個難掌握，因為都不是太難，看看tutorial就能上手。caffe調參起來沒有keras那麼靈活，畢竟是用txt來定義模型。
2. 實現:keras基於Python，caffe基於C++。
看起來好像前者好懂，但如果需要修改原始碼新增一些新的層，建議還是使用caffe。照著現有的層修改其實不難，而且可以實現自己的data layer，訓練起來更方便。當然也可以考慮直接換成tensorflow或者theano。
所以應該調研一下目前這兩個庫里是不是有你需要的layer。
P.S. 糾正一下 @vector1127 ，caffe現在也支援RNN。
3. 速度:這兩個庫我都用過，caffe速度完爆keras，後者比原生tensorflow也慢了不少，畢竟需要對原生介面進行抽象。
有時速度慢也會影響研究的效率，特別是在趕會的deadline的時候。
4. 配置:keras只需要用apt-get，而caffe相對來說費事一點，但也不能算麻煩吧，有Linux使用經驗的應該挺快的。
（吐槽一下，記得N年前就聽說caffe要支援apt-get，然後就沒有然後了）
所以，根據自己需求去挑選吧，安利一下，tensorflow也是乙個不錯的選擇，不過學習成本比這兩個高不少。以及，其實也不必糾結，如果拿不準就都學一下吧，每個估計上手只需要一兩天，根本不費事，而且還能多學點東西，何樂而不為？
2樓：NX-8MAA09148HY
初學入門，建議使用keras，但是用久了發現，模型比較固定，但這時也不一定要選擇caffe，theano和tensorflow同樣都很好用，keras可以滿足大部分固定的神經網路，尤其是有監督的任務，都能完成的很好，比如CNN，RNN等等，無監督的Autoencoder不知道好不好用，但是想更加個性化編寫神經網路，theano和tensorflow都是不錯的。
所以總而言之，可以先從Keras入手，熟悉了神經網路的基本概念後，慢慢轉入深入的框架也可以~~
計算機視覺
一禾 這個問題不大的，樓主到這一步說明面試已經通過了，至於薪資證明什麼的可以找到幫忙的。我有存過乙個這方面蠻專業的人微，可以找他問問怎麼搞 make流水 跳槽很多都是為了漲薪，謊報工資無非也是想入職公司定薪時高一點，但是你的實際工資有這麼多，無非是流水過不去，這個有辦法解決的，修改修改就好了。 高山...
計算機視覺（Computer vision）在傳統行業有怎樣的應用？
我做過個實習，RGB D camera做3D重建的。目標是給工廠或者需要物體3D模型的廠商提供乙個快速準確並且造價合理的裝置錄入物體3D模型資料。4個RGBD攝像頭而已。 受激輻射光放大 說一下我們做過的乙個專案。乙個鈕扣廠，需要把生產的有缺陷的鈕扣挑選出來，這個一般是人工，後來，工廠的老總找到我們...
機器視覺與計算機視覺的區別？
高沉 覺得換個角度先不去了解他們複雜的定義。可以先接觸兩者的產品。opencv 計算機視覺 openmv 機器視覺 有模組可購買，有對應開發方式 從學習中了解。其實很多東西就都可以明白了。 矩視智慧型 最簡單的解答是 機器視覺是通過呼叫各種演算法因子，針對目標特徵，定製化設定各種引數。其擅長解決以測...