scikit-learn pytorch transformers 区别与联系

以下是 scikit-learn、PyTorch 和 Transformers 的区别与联系的表格形式展示：

特性/库	scikit-learn	PyTorch	Transformers
主要用途	传统机器学习算法	深度学习框架	预训练语言模型与自然语言处理任务
核心功能	分类、回归、聚类、降维、模型选择等	张量计算、自动微分、神经网络构建与训练	提供预训练模型（如BERT、GPT等）及工具
编程语言	Python	Python	Python
易用性	简单易用，适合初学者	灵活但需要一定深度学习基础	提供高级API，简化NLP任务实现
模型类型	传统机器学习模型（如SVM、决策树等）	深度学习模型（如CNN、RNN、Transformer）	基于Transformer的预训练模型
扩展性	有限，主要用于传统机器学习	高度可扩展，支持自定义模型	可扩展，支持自定义模型与任务
社区支持	广泛，文档丰富