在训练中使用 scikit learn 进行神经网络与 Tensorflow

Posted

技术标签:

【中文标题】在训练中使用 scikit learn 进行神经网络与 Tensorflow【英文标题】:Using scikit learn for Neural Networks vs Tensorflow in training 【发布时间】:2018-02-08 20:00:32 【问题描述】:

我正在实现一些示例神经网络,在大多数教程中都看到了这个声明。

神经网络在 GPU 上的效果往往比在 CPU 上更好。 scikit-learn 框架不是为 GPU 优化而构建的。

这个陈述(工作得更好)是否仅涉及神经网络的训练阶段,或者它也包括预测部分。非常感谢对此的一些解释。

【问题讨论】:

这仅涉及性能/速度并包括预测,尽管差异通常较小并且一如既往地取决于许多参数(单预测与批量预测;NN 大小和 co) . 【参考方案1】:

该语句指的是训练阶段。这里唯一的问题是您可以使用 GPU 以更有效的方式探索可行模型的搜索空间,因此您可能会在更短的时间内找到更好的模型。但是,这仅与计算成本有关,与模型预测性能无关。

【讨论】:

以上是关于在训练中使用 scikit learn 进行神经网络与 Tensorflow的主要内容,如果未能解决你的问题,请参考以下文章

在交叉验证后对所有训练数据进行 scikit-learn 训练

使用 scikit learn 训练逻辑回归进行多类分类

Scikit-Learn:标签不是 x 出现在所有训练示例中

Python 中用 XGBoost 和 scikit-learn 进行随机梯度增强

如何在 Scikit-Learn 中重用 LabelBinarizer 进行输入预测

Python scikit-learn:导出经过训练的分类器