Pytorch vs. Tensorflow Fold

Question

Beide Pytorch und Tensorflow -Falte sind Deep-Lern-Frameworks, die sich mit Situationen befassen sollen, in denen die Eingabedaten ungleichmäßige Länge oder Abmessungen aufweisen (dh Situationen, in denen dynamische Diagramme nützlich oder erforderlich sind).

Ich würde gerne wissen, wie sie im Sinne von Paradigmen vergleichen, auf die sie sich verlassen (z.

Ich beabsichtige, diese Informationen zu verwenden, um einen von ihnen auszuwählen, um dynamische Berechnungsdiagramme zu untersuchen, aber ich habe keine spezifische Aufgabe im Auge.

Anmerkung 1: Andere dynamische Rechengrafik -Frameworks wie Dynet oder Kette sind auch im Vergleich willkommen, aber ich möchte mich auf Pytorch und TensorFlow Fold konzentrieren, weil ich denke, dass sie die am häufigsten verwendeten sind.

Anmerkung 2: Ich habe festgestellt Dieser HackerNews -Thread auf Pytorch mit einigen spärlichen Informationen, aber nicht viel.

Anmerkung 3: Eine andere relevante Hackernews Thread, über TensorFlow Fold, das enthält einige Informationen darüber, wie sie verglichen werden.

Anmerkung 4: Relevant Reddit -Thread.

Anmerkung 5: Relevanter Fehler im GitHub von TensorFlow Fold Dies identifiziert eine wichtige Einschränkung: Unmöglichkeit, während der Bewertung eine bedingte Verzweigung zu machen.

Anmerkung 6: Diskussion zum Pytorch Forum Über die Eingänge der variablen Länge in Bezug auf die verwendeten Algorithmen (z. B. dynamisches Chargen).

Answer 1

Im Moment gibt es ein paar gute Fäden auf Reddit (hier und hier).

Ich habe keines dieser Frameworks verwendet, aber durch das Lesen und das Gespräch mit Benutzern sammle ich diese Unterstützung für dynamische Diagramme in Pytorch ist ein "Top -Down -Designprinzip", während Tensorflow -Falte ist mit dem ursprünglichen Tensorflow -Framework verschraubt. Wenn Sie also etwas einigermaßen Kompliziertes machen Tensorflow -Falte Sie werden wahrscheinlich viel mehr herumhacken, als wenn Sie verwenden Pytorch.