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 |
的结构)
)
