PyTorch so với hàng chục

Cả PyTorch và Tensorflow Fold đều là các khung học sâu nhằm xử lý các tình huống trong đó dữ liệu đầu vào có độ dài hoặc kích thước không đồng nhất (nghĩa là các tình huống trong đó đồ thị động là hữu ích hoặc cần thiết).

Tôi muốn biết làm thế nào họ so sánh, theo ý nghĩa của các mô hình mà họ dựa vào (ví dụ như tạo khối động) và ý nghĩa của chúng, những điều có thể / không thể được thực hiện trong mỗi người, điểm yếu / điểm mạnh, v.v.

Tôi dự định sử dụng thông tin này để chọn một trong số chúng để bắt đầu khám phá các biểu đồ tính toán động, nhưng tôi không có nhiệm vụ cụ thể nào trong đầu.

Lưu ý 1: các khung biểu đồ tính toán động khác như DyNet hoặc Chainer cũng được hoan nghênh khi so sánh, nhưng tôi muốn tập trung vào PyTorch và Tensorflow Fold vì tôi nghĩ rằng chúng là / sẽ được sử dụng nhiều nhất.

Lưu ý 2: Tôi đã tìm thấy chủ đề hackernews này trên PyTorch với một số thông tin thưa thớt, nhưng không nhiều.

Lưu ý 3: Một chủ đề hackernews có liên quan khác , về Tensorflow Fold, có chứa một số thông tin về cách họ so sánh.

Lưu ý 4: chủ đề Reddit có liên quan .

Lưu ý 5: lỗi có liên quan trong github của Tensorflow Fold xác định một giới hạn quan trọng: không thể thực hiện phân nhánh có điều kiện trong quá trình đánh giá.

Lưu ý 6: thảo luận trên diễn đàn pytorch về các đầu vào có độ dài thay đổi liên quan đến các thuật toán được sử dụng (ví dụ: tạo khối động).

Có một vài chủ đề hay trên Reddit ngay bây giờ ( ở đây và ở đây ).

Tôi đã không sử dụng một trong hai khung công tác này, nhưng từ việc đọc và nói chuyện với người dùng, tôi thu thập được sự hỗ trợ cho các biểu đồ động trong PyTorch là một "nguyên tắc thiết kế từ trên xuống", trong khi đó, TensorFlow Fold được áp dụng cho khung công tác Tensorflow ban đầu, vì vậy nếu bạn đang làm bất cứ điều gì phức tạp một cách hợp lý với Tensorflow Fold, có lẽ bạn sẽ thực hiện nhiều vụ hack hơn là khi bạn sử dụng PyTorch .