PyTorch vs. Tensorflow 열망

Google은 최근에 tensorflow의 야간에 포함되어 tensorflow 계산 기능에 액세스하는 명령형 API 인 Eager 모드를 구축 합니다.

tensorflow는 PyTorch와 어떻게 비교됩니까?

비교에 영향을 줄 수있는 몇 가지 측면은 다음과 같습니다.

• 정적 그래프 레거시 (예 : 노드의 이름)로 인해 열망의 장단점.
• 다른 것에는없는 본질적인 한계.
• 그 중 하나가 개선이 필요한 영역 (예 : 기능 완성도, 계산 최적화).
• 생태계 차이 (예 : tensorboard?).

참고 1 : Yaroslav Bulatov는 열망 자의 멋진 기능에 대한 리뷰를 작성 했습니다 .

참고 2 : 이전 질문 에서 PyTorch와 Tensorflow Fold 간의 비교를 요청했습니다. 당시 Fold는 Google의 지원 덕분에 PyTorch에 직면 할 수있는 것처럼 보였습니다. 나는 매우 잘못했습니다. 결국 구글 자체 는 Eager를 위해 Fold 를 포기 했습니다. Fold가 매우 친숙하지 않아서 채택이 제한되는 일반적인 tensorflow API의 본질적인 한계로 인한 것임을 이해합니다.

내가 많이 사용한다는 주요 장점 중 하나는 pdb와 호환되므로

pdb.set_trace # To the rescue

파이썬 데이터 구조 사용 허용

주요 tf 동등 물 대신에 pythonic control flow를 사용하겠습니다.

또한 "게으른 로딩"과 같은 메타 프로그래밍 문제를 피하고 그래프에 많은 작업을 추가 할 수 있습니다. 오토 그라드 유사성