Sinir ağları için sklearn veya tensorflow kullanılmalı mıdır?

Cs231'den derin öğrenme için Sinir Ağları öğrenmeye başladım. Sinir Ağı'nı Python'da uygulamaya çalışıyorum. Tensorflow veya scikit-learn kullanmaya bakıyorum. Bu uygulama için bu kütüphanelerin artıları ve eksileri nelerdir?

Sklearn'un Derin Sinir Ağları için fazla desteği yoktur. İkisi arasında, derin öğrenme ile ilgilendiğiniz için , tensorflow'u seçin .

Ancak, arka uç olarak tensorflow kullanan ancak daha kolay bir arayüz sunan keras ile gitmenizi öneririm .

Cs231n kursunda, hatırladığım kadarıyla, çoğu zaman sinir ağlarını NumPy'den başka bir şey kullanarak kendiniz uygulamak için harcıyorsunuz! bu benim için kesinlikle inanılmaz bir öğrenme deneyimiydi.

Bundan sonra, son ödevlerde, daha karmaşık ağlar oluşturmak için kesinlikle TensorFlow'a ( örnekler ) veya Pytorch'a ( örnekler ) bakmanız gerekir. Bu çerçeveler, CS231n - araştırmacılar ve endüstri uzmanları gibi kurslar oluşturan kişiler tarafından oluşturuldu.

Bilgi SciKit sinir ağı modülü , örneğin, ayrı aktivasyon fonksiyonu gibi sarmalı ağları (CNNs), tekrarlayan ağlar (RNNs) ya da diğer daha egzotik bileşenler olarak sınıflandırılması veya gerilemesi, ama hiçbir şey fancier biri için ileri beslemeli ağlar oluşur.

Cib2011'e katılıyorum, Keras'ın başlamak için harika bir alternatif olduğunu ve arka uç olarak TensorFlow, CNTK veya Theano arasında seçim yapmanıza izin vereceğini söyledi. Keras, üç canavar çerçevesinin tamamında güzel bir üniforma sarmalayıcısıdır, bu yüzden işleri çok hızlı bir şekilde hazırlayıp çalıştıralım. İşte Keras'ın Pytorch ile güncel ve kullanışlı bir karşılaştırması

Keras gibi bir aracı öğrendikten sonra, bunu kullanmak SciKit Learn'deki basit tekliflerden daha hızlı olacaktır.

PyTorch hakkında soru sormadığını biliyorum, ama CS231n'in orijinal yaratıcılarından Andrej Karpathy'nin en iyi çerçeve ( kaynak 1 , kaynak 2 ) olduğunu söylediğinden bahseteceğimi düşündüm .