PyTorch対Tensorflow Fold

PyTorchとTensorflow Foldは両方とも、入力データの長さまたは次元が不均一な状況（つまり、動的グラフが有用または必要な状況）に対処することを目的とした深層学習フレームワークです。

依存するパラダイム（例：動的バッチ処理）とその意味、それぞれに実装できる/できないもの、弱点/強さなどの意味で、それらを比較する方法を知りたいと思います。

この情報を使用して、動的計算グラフの探索を開始するためにそれらの1つを選択するつもりですが、特定のタスクはありません。

注1：DyNetやChainerのような他の動的計算グラフフレームワークも比較で歓迎されますが、PyTorchとTensorflow Foldに焦点を当てたいと思います。

注2：PyTorchでこのhackernewsスレッドを見つけましたが、情報はまばらですが、それほど多くはありません。

注3：Tensorflow Foldに関する別の関連するhackernewsスレッドには、比較方法に関する情報が含まれています。

注4：関連するRedditスレッド。

注5：Tensorflow Foldのgithubに関連するバグで、重要な制限を特定しています。評価中に条件分岐を実行できないことです。

注6：使用されているアルゴリズム（動的バッチ処理など）に関連した可変長入力に関するpytorchフォーラムでの議論。

Redditには現在、いくつかの優れたスレッドがあります（こことここ）。

私はこれらのフレームワークのいずれも使用していませんが、PyTorchでのダイナミックグラフのサポートは「トップダウン設計原則」であり、TensorFlow Foldは元のTensorflowフレームワークにボルトで固定されているため、Tensorflow Foldを使用してかなり複雑なことをしている場合は、おそらくPyTorchを使用している場合よりもはるかに多くのハッキングを行うことになります。