当前流行的深度学习框架主要有以下几种：

TensorFlow

特点：由Google开发，是一个用于机器学习和深度学习的免费开源库。它支持Python和C++，具有高效的编译时间和处理复杂大规模数据的能力。TensorFlow广泛应用于图像识别、对象检测、计算机视觉、文本分类、图像处理和语音识别等领域。它拥有强大的社区支持和大量资源，被许多大型公司如Airbnb、Uber和eBay采用。

PyTorch

特点：由Facebook开发，是一个基于Torch库的免费开源Python框架。它支持动态计算图，用户友好的API，并且易于与其他库集成。PyTorch在计算机视觉和自然语言处理等深度学习应用中表现出色，并且已经被Twitter、CMU和Salesforce等机构采用。

Keras

特点：是一个基于Python的开源库，提供了一个简洁的界面来创建深度学习模型。Keras可以在后端使用TensorFlow或Theano，适合快速原型设计和实验。

Caffe

特点：由加州大学伯克利分校的贾扬清开发，是一个高效的开源深度学习框架，特别擅长卷积网络。Caffe是用C++编写的，提供了C++接口，但由于其灵活性较差且内存占用高，逐渐被其他框架取代。Caffe2是其升级版本，修复了一些问题并提高了工程水平。

MXNet

特点：是一个由Apache软件基金会维护的开源深度学习框架，支持Python、R和Julia等多种语言。MXNet具有高效的计算性能和灵活性，被广泛应用于各种深度学习任务。

Theano

特点：是一个用于数值计算的开源Python库，特别适合处理复杂的数学表达式和大型数据集。Theano曾是深度学习领域的主要框架之一，但由于其计算速度较慢和灵活性较差，逐渐被其他框架取代。

这些框架各有优缺点，选择合适的框架取决于具体的应用场景和需求。对于需要高效计算和大规模数据处理的应用，TensorFlow和PyTorch是不错的选择；对于需要快速原型设计和实验的场景，Keras可能更合适；而对于需要处理卷积网络且对性能要求较高的应用，Caffe仍然是一个强有力的竞争者。