就目前來看,TensorFlow適合做大型機器學習開發項目的時候使用,其分布式框架和用python做client接口調用c++的運行速度可以讓模型的運行上達到工業水準;
sklearn更適合在開發人員或更入門機器學習的人去快速得到結果反饋,并且其api調用的方式十分友好,fit(),predict(),score()基本能滿足需求,而且數據預處理模塊和評價模塊可以很好地幫助模型進行調優。
所以TensorFlow和sklearn各有長處,應當在自己開發階段擇優選擇。
就目前來看,TensorFlow適合做大型機器學習開發項目的時候使用,其分布式框架和用python做client接口調用c++的運行速度可以讓模型的運行上達到工業水準;
sklearn更適合在開發人員或更入門機器學習的人去快速得到結果反饋,并且其api調用的方式十分友好,fit(),predict(),score()基本能滿足需求,而且數據預處理模塊和評價模塊可以很好地幫助模型進行調優。
所以TensorFlow和sklearn各有長處,應當在自己開發階段擇優選擇。