Machine learning 为什么keras比sklearn慢？_Machine Learning_Scikit Learn_Keras_Logistic Regression

Machine learning 为什么keras比sklearn慢？

machine-learning scikit-learn keras

Machine learning 为什么keras比sklearn慢？,machine-learning,scikit-learn,keras,logistic-regression,Machine Learning,Scikit Learn,Keras,Logistic Regression,我在处理一个简单的逻辑回归问题。每个示例包含7423个功能。共4000个培训样本和1000个测试样本。Sklearn需要0.01秒来训练模型并达到97%的精度，但Keras（TensorFlow后端）需要10秒才能在50个历元后达到相同的精度（即使是一个历元也比Sklearn慢20倍）。有人能解释这个巨大的差距吗样本： X_列：4000*7423的矩阵，0.0可能是优化器或损失。你使用一个非线性。在sklearn中，您还可能在引擎盖下使用不同的批次大小但在我看来，你有一个特定的任务，其中一个

我在处理一个简单的逻辑回归问题。每个示例包含7423个功能。共4000个培训样本和1000个测试样本。Sklearn需要0.01秒来训练模型并达到97%的精度，但Keras（TensorFlow后端）需要10秒才能在50个历元后达到相同的精度（即使是一个历元也比Sklearn慢20倍）。有人能解释这个巨大的差距吗

样本：

X_列：4000*7423的矩阵，0.0可能是优化器或损失。你使用一个非线性。在sklearn中，您还可能在引擎盖下使用不同的批次大小
但在我看来，你有一个特定的任务，其中一个工具是专门为解决这个问题而定制的，另一个是一个更复杂的结构，可以解决这个问题，但没有优化，可能会做很多事情，而这些都不是这个问题所需要的，这会减慢一切
 CPU或GPU培训？请尝试批量大小为4000