使用tensorflow sklearn现成的软体库，还是团队自己编写？

谢邀。

显然是根据产品需求呀，如果开源的能满足需求，那干嘛重复造轮子？但是，对一些大的公司，往往开源的无法满足需求，这里我自卖自夸一下，欢迎关注我们的PAI平台。

阿里云机器学习平台--PAI平台-博客-云栖社区-阿里云

谢邀。

  • 机器学习，尤其是深度学习，现在这么流行，开源功不可没，包括演算法，也包括工具。不管什么公司，只要应用人工智慧，或多或少都会使用开源库，只要能满足应用场景的需求，没必要重复造轮子。
  • 熊厂 2016 年开源的 PaddlePaddle，是百度自己研发的。
  • 各个开源框架各有特色，大厂业务复杂，往往需要使用多个框架，会有一个平台集成多种开源库。比如：鹅厂 2017 年开源的 Angel ，官方介绍支持 Spark MLlib，也支持 Caffe、TensorFlow、Torch 等。

  • 即使没有集成平台，大厂也需要具备优化开源框架的能力。比如：浪潮自己做了 Caffe 的分支 Caffe-MPI，针对英特尔至强Phi晶元「Knights Landing」优化；雅虎自己做了 CaffeOnSpark，也已经开源，用来连接支持 YARN 的 Hadoop 和 Spark 集群和 Caffe，让各种机器学习管道集中在同一个集群中。

注：最后一个 Yahoo 的例子不太合适，不过 Andy Feng，他们的大数据和机器学习平台的 leader， 是黄皮肤黑头发的。

谢邀，百度有自己的PaddlePaddle，腾讯有Angel，Face++有Brain++。其他公司的就不大了解了，可能是在用MXNet、Caffe、Caffe2、Tensorflow、Theano、MatConvNet、Torch或PyTorch等。。。

商业产品是不太适合调用第三方库的，毕竟有个盈利问题在那摆著，将来会有很多问题。而且像tf这个库到今天，已然非常庞大了，对一个确定方向的产品来说瘦身的过程还不如把会用到的API功能自己写一遍。

但是tf开发到今天，其主要用意也就是在让深度学习、强化学习这些看起来高深莫测的东西门槛越来越低，不排除会有公司完全使用这些库来做开发的，尤其是小公司。

又，表邀我回答这种问题，我还没毕业呢，以上纯属瞎说，本人不对此负任何责任[摊手]。

大些的公司都有针对业务定制的

原型开发和科研领域会直接使用这些第三方开源库，商业产品不一定用，一方面这些库是通用设计，没有为特定的应用需求做优化，另一方面，这些库对不同平台的移植性考虑也不多，所以少量有实力的团队会自己开发相应的库。

泻药。

大部分都是用现成框架，但是很多公司会要求有改动框架的能力。

大部分都是使用框架，国内能自己编写机器学习系统的公司，恐怕很难找到，连BAT目前都没有，如果有，应该属于研究院。

接触下来应该九成以上会用框架，TF、MXNET、PaddlePaddle...

一般是用现成的软体库基础上再研究吧，从头来多麻烦。

推荐阅读：
相关文章