116问答网 > 现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架

现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架

2025-03-16 16:31:17

推荐回答（2个）

回答1：

很有必要，但不用太深入，在Kaggle上认真搞2,3个比赛能进10%的程度就够了

回答2：

1.1 MXNet相关概念
深度学习目标：如何方便的神经网络，以及如何快速训练得到模型
CNN(卷积层)：表达空间相关性(学表示)
RNN/LSTM：表达时间连续性(建模信号)
命令式编程(imperative programming)：嵌入的较浅，其中每个语句都按原来的意思执行，如numpy和Torch就是属于这种
声明式语言(declarative programing)：嵌入的很深，提供一整套针对具体应用的语言。即用户只需要声明要做什么，而具体执行则由系统完成。这类系统包括Caffe，Theano和TensorFlow。命令式编程显然更容易懂一些，更直观一些，但是声明式的更做优化，以及更利于做自动求导，所以都保留。
浅嵌入，命令式编程
深嵌入，声明式编程
如何执行a=b+1
需要b已经被赋值。立即执行，将结果保存在a中。
返回对应的计算图(computation graph)，我们可以之后对b进行赋值，然后再执行加法运算
语义上容易理解，灵活，可以精确控制行为。通常可以无缝的和言交互，方便的利用主语言的各类算法，工具包，bug和性能调试器。
在真正开始计算的时候已经拿到了整个计算图，所以我们可以做一系列优化来提升性能。实现辅助函数也容易，例如对任何计算图都提供forward和backward函数，对计算图进行可视化，将图保存到硬盘和从硬盘读取。
实现统一的辅助函数和提供整体优化都很困难。
很多主语言的特性都用不上。某些在主语实现简单，但在这里却经常麻烦，例如if-else语句。debug也不容易，例如监视一个复杂的计算图中的某个节点的中间结果并不简单。
目前现有的系统大部分都采用上两种编程模式的一种。与它们不同的是，MXNet尝试将两种模式无缝的结合起来。在命令式编程上MXNet提供张量运算，而声明式编程中MXNet支持符号表达式。用户可以自由的混合它们来快速实现自己的想法。例如我们可以用声明式编程来描述神经网络，并利用系统提供的自动求导来训练模型。另一方便，模型的迭代训练和更新模型法则中可能涉及大量的控制逻辑，因此我们可以用命令式编程来实现。同时我们用它来进行方便的和与主语言交互数据。
1.2 深度学习的关键特点
（1）层级抽象
（2）端到端学习
TensorFlow
C++/Lua/cuda
Python/c++/cuda
Python/Matlab
Python/R/Julia/Go
CPU/GPU/FPGA
CPU/GPU/Mobile
CPU/GPU/Mobile
Linux, OSX
Linux, OSX
C++/Python
Python/R/Julia/Go
符号张量图
符号张量图
$T.total > 0 && $T.page <= $T.pageNum}
{#foreach $T.data as r}
{$T.r.formt_tm}{#if $T.r.nickname}{#else}匿名{#/if}
{$T.r.content}
{#if $T.page > 1 && $T.pageNum > 1)
$T.s_num > 2}
{#for index = $T.s_num to $T.e_num}
$T.pageNum > $T.pageNavSize+ 2 && $T.s_num != $T.pageNum - $T.pageNavSize}
{#if $T.pageNum > 1}
{#if $T.pageNum != $T.page && $T.pageNum > 1}

古罗马王政时代的君主制和帝国时代的君主制有什么区别？

电脑开机黑屏，无法进入BIOS。

山东美术生专业195，文化课407想报考设计类的学校，比较靠谱的有什么学校啊，谢谢大神

守望先锋游戏里玩家说lol什么意思

当兵的跑步到底几公里啊？有的说10公里、5公里、3公里？

想要几句古风句子，送给即将分别的朋友

方太水槽洗碗机Q3与Q1有什么·区别

近亲几代不能结婚，怎么算？

现阶段q8400+9800+P45好还是选I5或者AMD好？