Numpyとscipy.Optimizeでニューラルネットワークを実装しました。基本的には、フィードフォワードとバックプロパゲーションを使用してコスト関数と勾配を作成し、入力（フィーチャ）、出力（ラベル）と重みをScipy Optimizeに渡してコスト関数を最小限に抑えました。ニューラルネットワークにテンソルフローを使用する利点はありますか？
今、私はPyBrainとTensorflowを訪ねています。 Tensorflowでは、わかっている限り、同じフィードフォワードとバックプロパゲーションを実装し、Tensorflowモジュールを使用して最適化する必要があります。プログラミングの複雑さはほぼ同じです。私は何かを見逃しているのですか？それ以外の場合、Tensorflowを使用する利点はありますか？
ニューラルネットワークを実装するためのPythonのベストプラクティスは何ですか？私はPybrainやTensorflowに行くべきか、自分自身を実装しようとしますか？
はい、多少。 TensorFlowは、TorchやTheanoのようなオープンソース市場の長年のプレーヤーよりもマーケティング自体が優れています。
- 1. Theanoは多くの点でまだTensorFlowよりも高速であると操作の広い範囲をサポートしています。 2. TheanoはTheanoとTensorFlowよりもデバッグに優れています。
あなたは私がしたように、Tensorflowを使用するためにインスピレーションを取得したい場合は、https://www.youtube.com/watch?v=nWJZ4w0HKz8
Tensorflowが3の利点を持って見て：
1.ネットワークの可視化ためTensorboardが付属しています：
をこれはおそらく、Tensorflowが開発者を引き付ける主な理由です。複雑なニューラルネットワークでも簡単に視覚化できます。 Check Tensorboard here!
1.エヴァー進化：
Tensorflowは比較的新しいですが、高速で進化しています。すべてのアルゴリズムは専門家によって書かれています。
アルゴリズムの新しいバージョンが更新されます。事実、Googleはそのプロジェクトでそれを使用しているので、あなたが見つけることができるアルゴリズムの最善のバージョンの中にいることは間違いないでしょう。
2。プレースホルダを使用したネットワーク全体の作成：
プレースホルダを使用すると、ネットワーク構成フェーズと評価フェーズを分けることができます。 オーバーヘッドのように見えるかもしれませんが、実際には変更を加えることなくネットワークをスケールアップするのに役立ちます。あなたが現在または将来的に使用している場合
だからuが
あなたはTensorflowまたは他のものを継続することができますが、私はあなたをお勧めしますがTensorflow試みを与えること間違い大きなデータセットにTensorflowを、それを拡張したい場合。