2017-09-28 宣布 Theano 将停产：

从这里（约书亚·本吉奥）：

经过近十年的开发，我们很遗憾地宣布，我们将在 1.0 版本之后结束我们的 Theano 开发，这将在接下来的几周内发布。我们将继续进行最少的维护以使其工作一年，但我们将停止积极实施新功能。根据我们对开源软件的承诺，Theano 将在之后继续可用，但 MILA 不承诺在该时间框架之后花时间进行维护或支持。

所以TensorFlow是一个更好的选择。

如果给我选择，我会选择 Theano。

原因：

• TensorFlow 不具备的最先进的 RNN 实现和 API ，还有很长的路要走。在 RNN 流行的领域中，Theano 具有很大的优势。
• 非常广泛的实现。TensorFlow 要赶上它还有很长的路要走。许多最近的 ML 模型都是在 Theano 的帮助下完成的，所以它在神经网络方面就像一个标准。
• 优化和改进的循环： Theano 的扫描是神经网络循环的绝佳方式，它利用了很棒的 map-reduce 框架。但是，我很确定 TensorFlow 会改进这一点，因为它的创建者 Jeff Dean 是 Map Reduce 的父亲。但是，截至目前；是西诺
• 视频分析方面的巨大优势。

然而，TensorFlow 同时支持 cpp 和 Python 接口，这可能是 cpp 社区的一个优势。但是，对于 ML 和数据科学产品，Python 一直是标准，因此它不会成为 IMO 的巨大优势。

但是，模型部署和在生产中的易用性是 TensorFlow 真正的优势所在。由于它使用 Eigen 进行改进且易于部署，因此它是工程师的宠儿。如果它与 Windows 兼容，那么您将看到巨大的迁移。但是，我已经习惯了 Python 的开销，我可以等到它变得更加完善。

所以，暂时的 Theano。我可以愉快地等待 TensorFlow 迎头赶上。

如果您要部署简单到平均复杂度的神经网络，请使用 Tensorflow。如果说深度学习，那么 Theano。