[Dúvida] A implantação de Rede Neural Perceptron Multicamadas(Multilayer Perceptron) do Scikit-learn é confiável?

A implementação do Multilayer Perceptron (MLP) no scikit-learn é confiável? Posso ter certeza de que o backpropagation dessa classe está correto?

Eu posso ter certeza de que o backpropagation dessa Rede Neural MLPClassifier do Sklearn contido nesse arquivo está correto?

CÓDIGO FONTE: https://github.com/scikit-learn/scikit-learn/blob/70fdc843a4b8182d97a3508c1a426acc5e87e980/sklearn/neural_network/_multilayer_perceptron.py#L287

Vou dar um pouco de contexto sobre minha pergunta: Estou estudando Redes Neurais de forma autodidata, e quero entender profundamente como o backpropagation funciona. Preciso de fontes confiáveis para garantir que estou aprendendo corretamente. A implementação do MLPClassifier do scikit-learn é confiável? Posso ter certeza de que o backpropagation desta implementação está correto?

Se eu puder confiar no código do backpropagation do Sklearn, então eu poderia ficar mais tranquilo e basear meus estudos nele. Pois eu saberia que o código é confiável

CÓDIGO FONTE: https://github.com/scikit-learn/scikit-learn/blob/70fdc843a4b8182d97a3508c1a426acc5e87e980/sklearn/neural_network/_multilayer_perceptron.py#L287

Trecho do código de meu interesse(retirado da documentação):

       # Backward propagate
       last = self.n_layers_ - 2

       # The calculation of delta[last] here works with following
       # combinations of output activation and loss function:
       # sigmoid and binary cross entropy, softmax and categorical cross
       # entropy, and identity with squared loss
       deltas[last] = activations[-1] - y

       # Compute gradient for the last layer
       self._compute_loss_grad(
           last, n_samples, activations, deltas, coef_grads, intercept_grads
       )

       inplace_derivative = DERIVATIVES[self.activation]
       # Iterate over the hidden layers
       for i in range(self.n_layers_ - 2, 0, -1):
           deltas[i - 1] = safe_sparse_dot(deltas[i], self.coefs_[i].T)
           inplace_derivative(activations[i], deltas[i - 1])

           self._compute_loss_grad(
               i - 1, n_samples, activations, deltas, coef_grads, intercept_grads
           )

Tenho duas perguntas importantes sobre o MLPClassifier do scikit-learn:

PERGUNTAS:

• (1) A implementação do Multilayer Perceptron (MLP) no scikit-learn é confiável? Posso ter certeza de que o backpropagation dessa classe está correto?

• (2) Também, com base na sua experiência, você poderia compartilhar se há evidências ou práticas recomendadas que sustentam a confiabilidade e a eficácia da implementação do MLPClassifier? Sua visão sobre o assunto seria muito apreciada.

Eu gostaria muito de saber se essa implementação do scikit-learn é confiável, para ter uma base sólida e não duvidar durante meus estudos.