Чтение реализации scikit-learn в tensroflow: http://learningtensorflow.com/lesson6/ и scikit-learn: http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html Я изо всех сил пытаюсь решить, какую реализацию использовать.
scikit-learn устанавливается как часть контейнера докеров-тензоров, поэтому может использоваться либо реализация.
Причина использования scikit-learn:
scikit-learn содержит меньше плиты котла, чем тензорный поток реализация.
Причина использования тензорного потока:
При запуске на графическом процессоре Nvidia алгоритм wilk запускается параллельно, Я не уверен, что scikit-learn будет использовать все доступные графические процессоры?
Чтение https://www.quora.com/What-are-the-main-differences-between-TensorFlow-and-SciKit-Learn
TensorFlow более низкоуровневый; в основном, кирпичи Lego, которые помогают вы реализуете алгоритмы машинного обучения, тогда как scikit-learn предлагает вам готовые алгоритмы, например, алгоритмы для классификация, такая как SVM, случайные леса, логистическая регрессия и много, много больше. TensorFlow действительно светит, если вы хотите реализовать алгоритмы глубокого обучения, поскольку это позволяет вам воспользоваться преимуществами GPU для более эффективного обучения.
Это утверждение еще раз подтверждает мое утверждение о том, что "scikit-learn содержит меньше плиты котла, чем реализация тензорного потока", но также предполагает, что scikit-learn не будет использовать все доступные графические процессоры?