Чтение реализации Scikit-Learn в Тензрофлоу:http://learningtensorflow.com/lesson6/ и научисьhttp://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-установщика тензорного потока, поэтому может использовать любую реализацию.

Причина использования scikit-learn:

Scikit-Learn содержит меньше котла, чем реализация тензорного потока.

Причина использования tenorflow:

Если при работе на графическом процессоре Nvidia алгоритм будет работать параллельно, я не уверен, будет ли scikit-learn использовать все доступные графические процессоры?

чтениеhttps://www.quora.com/What-are-the-main-differences-between-TensorFlow-and-SciKit-Learn

TensorFlow более низкого уровня; в основном, кубики Lego, которые помогают вам реализовывать алгоритмы машинного обучения, тогда как scikit-learn предлагает вам готовые алгоритмы, например алгоритмы классификации, такие как SVM, случайные леса, логистическая регрессия и многие, многие другие. TensorFlow действительно великолепен, если вы хотите реализовать алгоритмы глубокого обучения, поскольку он позволяет вам использовать преимущества графических процессоров для более эффективного обучения.

Это утверждение подкрепляет мое утверждение о том, что «scikit-learn содержит меньше базовых данных, чем реализация тензорного потока», но также предполагает, что scikit-learn не будет использовать все доступные графические процессоры?