SciKit Learn，Keras或Pytorch的差异

这些库是否可以互换？

在这里https://stackshare.io/stackups/keras-vs-pytorch-vs-scikit-learn，似乎主要的区别是底层框架（至少对于PyTorch而言）。

是的，有很大的不同。

SciKit Learn是基于NumPy构建的通用机器学习库。它具有许多机器学习算法，例如支持向量机，随机森林以及用于通用数据预处理和后处理的大量实用程序。它不是神经网络框架。

PyTorch是一个深度学习框架，包括

一个类似于NumPy的矢量化数学库，但具有GPU支持和许多与神经网络相关的操作（例如softmax或各种激活）

Autograd-一种算法，可以根据基本操作自动计算函数的梯度

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

神经网络相关实用程序功能

Keras是一个更高级别的深度学习框架，它抽象了许多细节，与PyTorch或TensorFlow相比，使代码更简单，更简洁，但其可破解性有限。它抽象出了计算后端，可以是TensorFlow，Theano或CNTK。它不支持PyTorch后端，但这并不是难以理解的-您可以将其视为上述内容的简化且精简的子集。

简而言之，如果您要使用“经典”非神经算法，那么PyTorch和Keras都不会对您有用。如果您正在进行深度学习，则scikit-learn对其实用部分可能仍然有用；除此之外，您将需要一个实际的深度学习框架，在这里您可以在Keras和PyTorch之间进行选择，但是您不太可能同时使用两者。这是非常主观的，但是在我看来，如果您正在研究一种新颖的算法，则您更有可能选择使用PyTorch（或TensorFlow或其他较低级别的框架）来提高灵活性。如果您要将已知且经过测试的算法用于新的问题设置，则可能希望使用Keras，因为它具有更高的简便性和更低的入门水平。