Baik PyTorch dan Tensorflow Fold adalah kerangka pembelajaran yang dalam yang dimaksudkan untuk menangani situasi di mana data input memiliki panjang atau dimensi yang tidak seragam (yaitu, situasi di mana grafik dinamis berguna atau dibutuhkan).
Saya ingin tahu bagaimana mereka membandingkan, dalam arti paradigma yang mereka andalkan (misalnya batch dinamis) dan implikasinya, hal-hal yang dapat / tidak dapat diimplementasikan di masing-masing, kelemahan / kekuatan, dll.
Saya bermaksud menggunakan info ini untuk memilih salah satunya untuk mulai menjelajahi grafik perhitungan dinamis, tetapi saya tidak memiliki tugas khusus dalam pikiran.
Catatan 1: kerangka kerja grafik komputasi dinamis lainnya seperti DyNet atau Chainer juga diterima dalam perbandingan, tetapi saya ingin fokus pada PyTorch dan Tensorflow Fold karena saya pikir mereka / akan menjadi yang paling banyak digunakan.
Catatan 2: Saya telah menemukan utas hackernews ini di PyTorch dengan beberapa info yang jarang, tetapi tidak banyak.
Catatan 3: Utas hackernews lain yang relevan , tentang Tensorflow Fold, yang berisi beberapa info tentang bagaimana mereka membandingkan.
Catatan 4: Utas Reddit yang relevan .
Catatan 5: bug yang relevan di github Tensorflow Fold yang mengidentifikasi batasan penting: ketidakmungkinan untuk melakukan percabangan bersyarat selama evaluasi.
Catatan 6: diskusi di forum pytorch tentang input panjang variabel dalam kaitannya dengan algoritma yang digunakan (mis. Batch dinamis).