SciKit Learn，Keras或Pytorch有什么区别？ [关闭]

作者: 丫头
发布时间: 2024-11-08 11:33:31 (3天前)
转自：

2 条回复

0#
回复此人
哇塞 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> 是的，存在重大差异。 SciKit Learn是一个基于NumPy构建的通用机器学习库。它具有许多机器学习算法，如支持向量机，随机森林，以及许多用于数据的一般预处理和后处理的实用程序。它不是神经网络框架。 PyTorch是一个深度学习框架，由...组成 <OL> <LI> 类似于NumPy的矢量化数学库，但具有GPU支持和许多与神经网络相关的操作（例如softmax或各种激活） </LI> <LI> Autograd - 一种算法，可以自动计算函数的渐变，根据基本操作定义 </LI> <LI> 基于梯度的优化程序，用于大规模优化，专用于神经网络优化 </LI> <LI> 神经网络相关的效用函数 </LI> </醇> Keras是一个更高级别的深度学习框架，它抽象了许多细节，使代码比PyTorch或TensorFlow更简单，更简洁，代价是有限的可破解性。它抽象出计算后端，可以是TensorFlow，Theano或CNTK。它不支持PyTorch后端，但这不是一个不可思议的东西 - 你可以认为它是上面的简化和简化的子集。 简而言之，如果您使用“经典”非神经算法，PyTorch和Keras都不会对您有用。如果你正在深入学习，scikit-learn可能对它的实用部分有用;除此之外，您将需要实际的深度学习框架，您可以在Keras和PyTorch之间进行选择，但您不可能同时使用两者。这是非常主观的，但在我看来，如果你正在研究一种新算法，你更有可能使用PyTorch（或TensorFlow或其他一些低级框架）来获得灵活性。如果您正在将已知且经过测试的算法调整为新的问题设置，您可能希望使用Keras，因为它更简单，入门级更低。 </DIV>

编辑

登录后才能参与评论