PyTorch vs.Tensorflow折叠

既PyTorch和Tensorflow折是指处理，其中输入数据具有非均匀的长度或尺寸的情况下（即，在动态图都是有用的或需要的情况下）深学习框架。

我想知道它们之间的比较，从它们所依赖的范式（例如动态批处理）及其含义的角度来看，它们之间不能/不能实现的事情，弱点/优点等。

我打算使用此信息选择其中一个以开始探索动态计算图，但是我没有特定的任务在想。

注1：像其他的动态计算图形框架DyNet或Chainer也欢迎比较，但我想专注于PyTorch和Tensorflow折，因为我认为他们是/将是最常用的。

注意2：我在PyTorch上发现了这个hackernews线程，其中包含一些稀疏信息，但数量不多。

注意3：另一个与Tensorflow Fold 有关的hackernews线程，包含一些有关它们如何比较的信息。

注意4：相关的Reddit线程。

注5：Tensorflow Fold的github中的相关bug指出了一个重要限制：评估期间无法进行条件分支。

注释6：在pytorch论坛上讨论有关所使用算法（例如动态批处理）的可变长度输入。

现在（在这里和这里），Reddit上有几个不错的线程。

我没有使用这两个框架，但是通过阅读和与用户交谈，我发现PyTorch中对动态图的支持是“自上而下的设计原则”，而TensorFlow Fold固定在原始的Tensorflow框架上，因此如果您使用Tensorflow Fold进行了相当复杂的事情，则可能会比使用PyTorch进行更多的黑客攻击。