pytorch와 tensorflow/keras 사이의 경쟁은 끝난 듯 보인다. 나름대로 생각한 이유는 디버깅 난이도와 명예욕 이다.
머신러닝 연구자들은 자신이 네이밍한 새로운 모델을 만들고 싶어한다. '내가 어쩌구저쩌구Net의 모델러야' 모 이런식으로 자신의 레코드를 만들고 싶어하는 것이다. tensorflow, keras, pytorch 모두에서 이것은 가능하지만 이를 가장 적은 노력으로 이루어 줄 수 있는 모델이 pytorch다. tensorflow는 너무 고되며, keras는 쉽지만 서브클래싱으로 들어가면 난이도가 상승할 뿐더러 디버깅이 어려워진다.
pytorch에 비해 tensorflow/keras는 디버깅 측면에서 좋지 않다. 특히 keras는 서브클래싱을 했을 때 최악이 된다. 자신의 이름을 알리고 내세우는게 목적일 수 있는 연구자들에게 선택할 수 있는 대안은 사실 pytorch 하나 밖에 없다. 연구자들이 그렇다면 그 연구의 결과물을 활용하는 개발자들에게도 대안은 pytorch 하나뿐이다.
https://www.assemblyai.com/blog/pytorch-vs-tensorflow-in-2023/
PyTorch vs TensorFlow in 2023
Should you use PyTorch vs TensorFlow in 2023? This guide walks through the major pros and cons of PyTorch vs TensorFlow, and how you can pick the right framework.
www.assemblyai.com
'AI > framework' 카테고리의 다른 글
| torch.arrange (0) | 2024.10.10 |
|---|---|
| torch.gather (0) | 2024.07.31 |
| torch.sqeeze() (0) | 2024.07.31 |