ニューラルネットワークにはsklearnまたはtensorflowを使用する必要がありますか？

私はcs231からディープラーニング用のニューラルネットワークを学び始めました。Pythonでニューラルネットワークを実装しようとしています。Tensorflowまたはscikit-learnの使用を検討しています。このアプリケーションのこれらのライブラリの長所と短所は何ですか？

Sklearnはディープニューラルネットワークをあまりサポートしていません。2つのうち、ディープラーニングに興味があるので、テンソルフローを選択します。

ただし、テンソルフローをバックエンドとして使用するが、より簡単なインターフェースを提供するkerasを使用することをお勧めします。

cs231nコースでは、私が覚えている限り、NumPyだけを使用して自分でニューラルネットワークを実装することにほとんどの時間を費やしています。それは間違いなく私にとって素晴らしい学習体験でした。

その後、最後の割り当てでは、より複雑なネットワークを構築するためにTensorFlow（例）またはPytorch（例）を確認する必要があります。これらのフレームワークは、CS231nのようなコースを作成するような人々-研究者や業界の専門家によって構築されました。

SciKit学ぶニューラルネットワークモジュールは、例えば、畳み込みネットワーク（CNNs）、回帰ネットワーク（のRNN）、または別の活性化機能などの他のよりエキゾチックなコンポーネントとして分類または回帰が、何も愛好家のいずれかのためのフィードフォワードネットワークからなります。

私はDjib2011に同意します。Kerasは開始するための優れた代替手段であり、TensorFlow、CNTK、またはTheanoのいずれかをバックエンドとして選択できるようにすることです。Kerasは、3つのモンスターフレームワークすべての優れた均一なラッパーなので、物事をすぐに立ち上げて実行してみましょう。KerasとPytorchの最近の有用な比較を以下に示します。

Kerasのようなツールに慣れると、SciKit Learnのシンプルな製品よりも使いやすくなります。

あなたがPyTorchについて質問しなかったのは知っていますが、CS231nの最初の作成者の1人であるAndrej Karpathyがそれが最良のフレームワークであると言っているので、私はそれを言及したいと思いました（ソース1、ソース2）。