Machine learning Watson深度学习：实验生成器、命令行界面和Python客户端-成熟度和特性

沃森机器学习服务提供了三种培训深度学习模型的选项。名单如下：

有几种方法可以训练模型使用以下方法之一 培训模型的方法：

• 实验建设者
• 命令行界面（CLI）
• Python客户端

我相信这些方法将因其（1）成熟度和（2）支持的功能而有所不同

这些方法的区别是什么？为确保该问题符合质量要求，您能否提供一份客观的差异列表？将您的答案作为社区wiki答案提供，还可以在列表更改时随时间更新答案

---

如果您觉得此问题不适合堆栈溢出，请提供注释，列出原因，我将尽力改进。

使用这些技术的原因取决于用户的技能集以及他们如何将培训/监控/部署步骤融入其工作流程：

命令行界面（CLI） CLI有助于快速随机访问有关训练跑步的详细信息。如果您正在使用shell脚本构建数据科学工作流，那么它也很有用

Python库 WML的python库允许用户将其模型培训+部署集成到编程工作流中。它既可以在笔记本电脑中使用，也可以通过IDE使用。该库已成为执行批量训练实验最广泛使用的方式

实验生成器UI

---

这是在Watson Studio中执行批量培训实验的“简单按钮”。这是学习Watson Studio中批处理培训功能基础知识的快速方法。目前，预计数据科学家不会使用实验生成器作为开始批量训练实验的主要方式。也许随着Model Builder的成熟，这一点可能会改变，但Python库在集成到生产工作流中时更加灵活。

最好在askDW上询问，或者让WML dev在博客上发布它。