SciKit Learn、Keras 或 Pytorch 的差异 [关闭]

Question

这些库是否可以互换？

看这里，https://stackshare.io/stackups/keras-vs-pytorch-vs-scikit-learn，似乎主要区别在于底层框架（至少对于 PyTorch）。

Answer 1

是的，有很大的不同。

SciKit Learn 是一个通用机器学习库，建立在 NumPy 之上。它具有许多机器学习算法，例如支持向量机、随机森林，以及许多用于一般数据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

1. 类似于 NumPy 的矢量化数学库，但支持 GPU 和许多与神经网络相关的操作（例如 softmax 或各种激活）
2. Autograd - 一种可以自动计算函数梯度的算法，根据基本操作定义
3. 用于大规模优化的基于梯度的优化例程，专用于神经网络优化
4. 与神经网络相关的实用功能

Keras 是一个更高级别的深度学习框架，它抽象出许多细节，使代码比 PyTorch 或 TensorFlow 更简单、更简洁，但代价是可破解性有限。它抽象出计算后端，可以是 TensorFlow、Theano 或 CNTK。它不支持 PyTorch 后端，但这并非深不可测 - 您可以将其视为上述内容的简化子集。

简而言之，如果您使用“经典”的非神经算法，PyTorch 和 Keras 都不会对您有用。如果您正在进行深度学习，scikit-learn 可能仍然对其实用部分有用；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，但您不太可能同时使用两者。这是非常主观的，但在我看来，如果您正在研究一种新颖的算法，您更有可能使用 PyTorch（或 TensorFlow 或其他一些较低级别的框架）以获得灵活性。如果您要使已知且经过测试的算法适应新的问题设置，您可能希望使用 Keras，因为它更简单且入门级别更低。