Según su sitio web:
NumPy es el paquete fundamental para la computación científica con Python
Por otro lado TensorFlow:
- ¿Cuáles son los buenos pesos iniciales en una red neuronal?
- ¿Cuáles son las historias de éxito del aprendizaje profundo para el procesamiento del lenguaje natural y los marcos y bibliotecas utilizados o creados por ellos?
- ¿Quiénes son algunos de los principales profesores que enseñan Machine Learning en Europa?
- ¿Por qué las personas incrustan / envuelven código python en C / C ++?
- ¿Qué es un 'descriptor' en el contexto de una transformación de característica invariante de escala (SIFT)?
TensorFlow ™ es una biblioteca de software de código abierto para el cálculo numérico que utiliza gráficos de flujo de datos.
Estas 2 son bestias completamente diferentes.
NumPy es una biblioteca matemática de alto nivel de uso más general que se utiliza para trabajar con modelos sobre la marcha. Es una reimplementación de código abierto de MATLAB. Se puede usar para trabajar con algunos conjuntos de datos locos y obtener algunos resultados en tiempo real.
TensorFlow tiende a ser más MLR (aprendizaje automático) o una biblioteca DeepLearning que ayuda a construir heurísticas y análisis de datos estadísticos durante períodos de tiempo más largos. Lo hace tomando varias entradas, aprendiendo de varias fuentes y compilando el mejor escenario posible de ejecución.
Déjame darte un ejemplo del mundo real:
Digamos que trabajas en una plataforma petrolera. Usaría NumPy para varios cálculos, como medir la presión de gas, la toma de agua, el flujo de aceite, etc. Tomaría esto, digamos cada 2 días, analizaría estos datos a través de NumPy y los enviaría al TensorFlow.
TensorFlow aprendería de sus datos y usaría algunos algoritmos avanzados como la regresión lineal múltiple, la estimación de intervalos o la significancia, para generar el mejor escenario posible para las entradas dadas.