本文来源自斯坦福大学计算机科学博士生 Awni Hannun 发表的文章，对比当前两个深度学习主流框架：TensorFlow 与 Pytorch 之间的差异。整体而言：
PyTorch 更适合于在研究中快速进行原型设计、业余爱好者和小型项目；而 TensorFlow 则更适合大规模的调度，尤其当考虑到跨平台和嵌入式调度操作时。细分对比如下 ——
PyTorch 实际上是 NumPy 的替代，它支持 GPU，有着更高级的功能，可以用来构建和训练深度神经网络。如果你熟悉 NumPy、Python 和常见的深度学习概念（卷积层、递归层、SGD 等），那么[……]
Scikits 是 SciPy堆栈 的附加软件包，专门用于图像处理和机器学习等特定功能。 就机器学习而言，这些堆栈中最为突出的就是 scikit-learn。 该软件包构建在 SciPy 的顶部，并大量使用其数学运算。
scikit-learn 为常见的机器学习算法（包括：分类，回归，聚类，降维等）提供了一个简洁而一致的界面，使得将机器学习带入生产系统变得简单。基于NumPy，SciPy 和 Matplotlib 构建，同时提供开源及商业使用许可证，可供所有人在任何环境下重复使用。该 Python 库结合了高质量的代码和良好的文档，易用性和高性能。事实上，scikit-learn 已经成[……]
数据科学解决方案公司 ActiveWizards，根据自身应用开发经验，总结了数据科学家和工程师 2017 年最常使用的 Python 库，以下是数据科学核心库部分：
当使用 Python 开始处理科研任务时，不可避免地需要求助 Python 的 SciPy 堆栈，它是专门为 Python 中的科学计算而设计的软件集合。这个堆栈相当庞大，其中有十几个库，所以我们需要聚焦在最重要的核心包上。
NumPy（代表 Numerical Python）是构建科学计算堆栈的最基础的包。它为 Python 中的 N 维数组和矩阵的操作提供了大量有用的功能。该库还提供了 NumPy 数组[……]
随着 TensorFlow 的发布开源，面向开源软件的机器学习科研活动变得越来越活跃，已成为机器学习最佳选择。同时：
同时，Kubernetes 已经迅速成为在任何地方部署复杂工作负载的混合解决方案。从无状态服务开始，科研机构与企业已逐步开[……]
