Pytorch vs. tensorflow fold

Question

Оба Пирог а также Tensorflow Fold Являются ли рамки глубокого обучения, предназначенные для решения ситуаций, когда входные данные имеют неравномерную длину или размеры (то есть ситуации, когда динамические графики полезны или необходимы).

Я хотел бы знать, как они сравнивают, в смысле парадигм, на которые они полагаются (например, динамическое партия) и их последствия, вещи, которые могут/не могут быть реализованы в каждом из них, слабые стороны/сильные стороны и т. Д.

Я намерен использовать эту информацию, чтобы выбрать одну из них, чтобы начать исследовать графики динамических вычислений, но у меня нет конкретной задачи.

ПРИМЕЧАНИЕ 1: Другие графики динамического вычисления, такие как Девчонка или же Цепь Также приветствуются в сравнении, но я хотел бы сосредоточиться на складе Pytorch и Tensorflow, потому что я думаю, что они/будут самыми используемыми.

Примечание 2: я нашел эта ветка HackerNews на Pytorch С какой -то редкой информацией, но не очень.

ПРИМЕЧАНИЕ 3: Еще один соответствующий Thread Hackernews, о Tensorflow Fold, которая содержит некоторую информацию о том, как они сравнивают.

Примечание 4: Соответствующий Reddit Thread.

Примечание 5: Соответствующая ошибка в GitHub TensorFlow Fold Это идентифицирует важное ограничение: невозможность выполнять условное ветвление во время оценки.

Примечание 6: Обсуждение на форуме Pytorch О входах с переменной длины по отношению к используемым алгоритмам (например, динамическое пакетирование).

Answer 1

Сейчас на Reddit есть пара хороших потоков (здесь а также здесь).

Я не использовал ни одну из этих структур, но от чтения и разговора с пользователями я собираю эту поддержку динамических графиков в Пирог «принцип дизайна сверху вниз», тогда как Tensorflow Fold прикреплен к оригинальной структуре TensorFlow, поэтому, если вы делаете что -то достаточно сложное с Tensorflow Fold Вы, вероятно, собираетесь делать гораздо больше взлома, чем если бы вы использовали Пирог.