PyTorch vs. Tensorflow Eager

Googleは最近、Tensorflowのナイトリービルドに含まれているEagerモード、Tensorflow計算機能にアクセスするための必須APIです。

Tensorflow EagerはPyTorchと比較してどうですか？

比較に影響を与える可能性のある側面は次のとおりです。

• 静的グラフのレガシー（ノード内の名前など）によるeagerの長所と短所。
• どちらにも固有の制限があり、もう一方にはありません。
• それらの1つが改善が必要な領域（機能の完全性、計算の最適化など）。
• 生態系の違い（例：テンソルボード？）。

注1：Yaroslav Bulatovは熱心な素晴らしい機能についてのレビューを書きました。

注2：前の質問で、PyTorchとTensorflow Foldの比較をリクエストしました。当時、FoldはGoogleの支援のおかげでPyTorchに直面しているように思えました。私は非常に間違っていました。最終的には、Google自体がEoldを支持してFoldを放棄しました。これは、通常のテンソルフローAPIの固有の制限が原因で、Foldがあまり親しみにならず、その採用が制限されていたことがわかります。

私がよく使う主な利点の1つは、pdbと互換性があることです。

pdb.set_trace # To the rescue

Pythonデータ構造の使用を許可します

メインのtfを使用する代わりに、pythonic制御フローを使用しましょう。

また、「遅延読み込み」などのメタプログラミングの問題を回避し、グラフに一連の操作を追加することもできます。オートグラードの類似点