Google, yakın zamanda tensorflow'un her gece dahil olduğu tensorflow hesaplama özelliklerine erişmek için zorunlu bir API olan Eager modunu oluşturuyor .
Tensorflow istekli PyTorch ile nasıl karşılaştırılır?
Karşılaştırmayı etkileyebilecek bazı yönler şunlar olabilir:
- Statik grafik mirası nedeniyle istekli olmanın avantajları ve dezavantajları (örneğin, düğümlerdeki isimler).
- İkisinden birinin içsel sınırlamaları yoktur.
- İçlerinden birinin iyileştirilmesi gereken alanlar (örneğin, özellik bütünlüğü, hesaplama optimizasyonları).
- Ekosistem farklılıkları (örn. Tensorboard?).
Not1: Yaroslav Bulatov, istekli güzel özellikleri hakkında bir inceleme yazdı .
Not2: Önceki bir soruda , PyTorch ve Tensorflow Fold arasında bir karşılaştırma talep ettim. O zamanlar, Fold'un Google'ı desteklediği için PyTorch ile yüzleşebileceği anlaşıldı. Çok çok yanılmışım: sonunda, Google kendisi Fold'u Eager lehine terk etti . Bunun, Fold'un çok kolay olmamasına yol açan normal tensorflow API'sindeki yapısal sınırlamalardan kaynaklandığını ve bu da benimsenmesini kısıtladığını anlıyorum.