流行的深度学习框架有哪些？优缺点是什么？是否开源？开源地址是什么？

流行的深度学习框架包括：

1. TensorFlow：谷歌开发的深度学习框架，支持分布式计算，能够高效地进行大规模的机器学习任务。优点是支持多种编程语言，包括Python、C++、Java等，开源，可广泛应用于各种领域。缺点是学习曲线较陡峭，对于初学者有一定的门槛。开源地址：https://github.com/tensorflow/tensorflow

2. PyTorch：Facebook开源的深度学习框架，易于使用、快速、灵活。优点是提供了直观的调试工具，支持动态图，方便进行模型调整和优化。缺点是不如TensorFlow在分布式计算和移动端支持方面成熟。开源地址：https://github.com/pytorch/pytorch

3. Keras：基于Python的深度学习库，可以运行于TensorFlow、Theano和CNTK等后端。优点是易于上手、高度模块化，可以快速搭建复杂的深度学习模型。缺点是灵活性相对较弱，不够适用于一些研究性的工作。开源地址：https://github.com/keras-team/keras

4. Caffe：由加州大学伯克利分校开发的深度学习框架，可用于图像分类、物体检测、语义分割等任务。优点是速度快、效果好、易于扩展。缺点是不够灵活，不适合做一些需要较高自定义程度的工作。开源地址：https://github.com/BVLC/caffe

5. MXNet：亚马逊开发的深度学习框架，支持分布式计算，具有高度的可扩展性和灵活性。优点是速度快、支持多种编程语言，可以与其他框架兼容。缺点是文档不够完善，对于初学者学习难度较大。开源地址：https://github.com/apache/incubator-mxnet

以上框架均为开源，开源地址分别为上述内容中的链接。