神经网络应该使用sklearn还是tensorflow？

我刚刚开始学习用于从CS231进行深度学习的神经网络。我正在尝试在Python中实现神经网络。我正在使用Tensorflow或scikit-learn。这些库对于此应用程序有哪些优缺点？

Sklearn对深度神经网络没有太多支持。在这两者中，由于您对深度学习感兴趣，因此选择tensorflow。

但是，我建议使用keras，它使用tensorflow作为后端，但提供了更简单的界面。

在cs231n课程中，据我所知，您花费了大部分时间自己使用NumPy来实现神经网络！对我来说，那绝对是一次了不起的学习经历。

之后，在最后的任务中，您肯定需要查看TensorFlow（示例）或Pytorch（示例）以构建更复杂的网络。这些框架是由像CS231n之类的课程开发人员（研究人员和行业专家）建立的。

所述SciKit了解神经网络模块包括用于任一分类或消退，但没有发烧友前馈网络，诸如卷积网络（细胞神经网络），复发性网络（RNNs）或其他更奇异的组分，如单独的激活功能。

我同意Djib2011的观点，认为Keras是入门的绝佳选择-并允许您在TensorFlow，CNTK或Theano作为后端之间进行选择。Keras是围绕三个怪物框架的一个很好的统一包装，所以让您快速启动并运行。这是Keras与Pytorch的最近和有用的比较

一旦您熟悉Keras之类的工具，它就会比SciKit Learn中的简单产品更快地使用。

我知道您没有询问PyTorch，但是我想提到它，因为CS231n的最初创建者之一安德烈·卡帕蒂（Andrej Karpathy）表示这是最好的框架（来源1，来源2）。