问题
这个问题我得不到满意的答案。据我所知，TensorFlow是一个数值计算库，经常用于深度学习应用程序，Scikit learn是一个通用机器学习框架。

但是它们之间的确切区别是什么，张量流的目的和作用是什么？我能一起用吗，有什么意义吗？

回答
@RKCZ，你的理解很到位，虽然非常，非常基础。TensorFlow更像是一个低级的库。基本上，我们可以把TensorFlow看作是乐高积木（类似于NumPy和SciPy），我们可以用它来实现机器学习算法，而Scikit Learn则有现成的算法，例如SVM、随机森林、逻辑回归等分类算法，等等。如果我们想实现深度学习算法，TensorFlow真的很出色，因为它允许我们利用GPU进行更有效的训练。TensorFlow是一个低级库，它允许您使用一组简单的操作符（如“add”、“matmul”、“concat”等）构建机器学习模型（和其他计算）。

到目前为止有意义吗？

Scikit Learn是一个更高级别的库，它包括几个机器学习算法的实现，因此您可以在一行或几行代码中定义一个模型对象，然后使用它来拟合一组点或预测一个值。

Tensorflow主要用于深度学习，Scikit学习用于机器学习。

下面是一个链接，向您展示如何使用TensorFlow进行回归和分类。我强烈建议下载数据集并自己运行代码。
当然，您可以使用Scikit Learn进行许多不同类型的回归和分类，而不必使用TensorFlow。如果有机会，我建议您阅读Scikit学习文档。
一切都需要一段时间才能完成，但如果你坚持下去，你会学到很多东西！ ！ ！最后，您可以从下面的链接获得 2600 多页的 Scikit Learn 用户指南。

问题
这个问题我得不到满意的答案。据我所知，TensorFlow是一个数值计算库，经常用于深度学习应用程序，Scikit learn是一个通用机器学习框架。

但是它们之间的确切区别是什么，张量流的目的和作用是什么？我能一起用吗，有什么意义吗？

回答
@RKCZ，你的理解很到位，虽然非常，非常基础。TensorFlow更像是一个低级的库。基本上，我们可以把TensorFlow看作是乐高积木（类似于NumPy和SciPy），我们可以用它来实现机器学习算法，而Scikit Learn则有现成的算法，例如SVM、随机森林、逻辑回归等分类算法，等等。如果我们想实现深度学习算法，TensorFlow真的很出色，因为它允许我们利用GPU进行更有效的训练。TensorFlow是一个低级库，它允许您使用一组简单的操作符（如“add”、“matmul”、“concat”等）构建机器学习模型（和其他计算）。

到目前为止有意义吗？

Scikit Learn是一个更高级别的库，它包括几个机器学习算法的实现，因此您可以在一行或几行代码中定义一个模型对象，然后使用它来拟合一组点或预测一个值。

Tensorflow主要用于深度学习，Scikit学习用于机器学习。

下面是一个链接，向您展示如何使用TensorFlow进行回归和分类。我强烈建议下载数据集并自己运行代码。
当然，您可以使用Scikit Learn进行许多不同类型的回归和分类，而不必使用TensorFlow。如果有机会，我建议您阅读Scikit学习文档。
一切都需要一段时间才能完成，但如果你坚持下去，你会学到很多东西！ ！ ！最后，您可以从下面的链接获得 2600 多页的 Scikit Learn 用户指南。