pytorch vs. tensorflow折叠

Question

两个都 Pytorch 和 TensorFlow折叠 是旨在处理输入数据具有不均匀长度或尺寸的情况（即动态图是有用或需要的情况）的深度学习框架。

我想知道它们如何比较，从他们所依赖的范式（例如动态批处理）及其含义，每种范围都不能/不能实现的事物，弱点/优势等。

我打算使用此信息选择其中之一来开始探索动态计算图，但是我没有具体的任务。

注意1：其他动态计算图形框架 dynet 或者 连锁商 在比较中也受到欢迎，但我想专注于Pytorch和Tensorflow折叠，因为我认为它们是最常用的。

注2：我发现 这个黑客在pytorch上线程 有一些稀疏的信息，但不多。

注3：另一个相关 Hackernews线程, ，关于TensorFlow折叠，其中包含有关它们比较的一些信息。

注4：相关 reddit线程.

注5： Tensorflow Fold的GitHub中的相关错误 这确定了一个重要的局限性：在评估过程中不可能进行有条件的分支。

注6： 在Pytorch论坛上的讨论 关于与所使用的算法有关的可变长度输入（例如，动态批处理）。

Answer 1

Reddit上有几个好线程（这里 和 这里).

我尚未使用这两个框架，但是从阅读和与用户交谈，我收集了支持动态图的支持 Pytorch 是“自上而下的设计原理”，而 TensorFlow折叠 螺栓固定在原始的张量框架上，因此，如果您正在做任何合理复杂的事情 TensorFlow折叠 您可能最终要做的黑客攻击要比使用更多 Pytorch.