Deep Learning Framework(PyTorch vs TensorFlow)

딥러닝 프레임워크(Deep Learning Framework):

딥러닝  + 프레임 워크

 

딥러닝:

여러 층을 가진 인공신경망(Artificial Neural Network)을 사용하여 머신러닝 학습을 수행하는 것

기계가 자동으로 대규모 데이터에서 중요한 패턴 및 규칙을 학습하고,이를 토대로 의사결정이나 예측 등을 수행하는 기술이다.

 

프레임워크:

응용 프로그램을 개발하기 위한 여러 라이브러리나 모듈 등을 효율적으로 사용할 수 있도록 하나로 묶어 놓은 일종의 패키지

 

여러 딥러닝 프레임워크들이 있지만 현재 선두를 달리는 딥러닝 프레임워크는 단 두개이다.

텐서플로(TensorFlow):

구글이 개발한 오픈소스 소프트웨어 라이브러리이며 머신러닝과 딥러닝을 쉽게 사용할 수 있도록 다양한 기능을 제공한다. 

 

텐서플로우의 특징

• 데이터 플로우 그래프를 통한 풍부한 표현력
• 아이디어 테스트에서 서비스 단계까지 이용 가능
• 계산 구조와 목표 함수만 정의하면 자동으로 미분 계산을 처리
• 딥러닝 모델을 구축하는 단계에서 기초 레벨 부터 직접 만들어 나가야하므로 배우기 어렵다
• 메모리를 효율적으로 사용하지 못한다

 

파이토치(PyTorch):

토치(Torch)는 페이스북의 AI 연구 팀이 개발한 파이썬 기반 오픈소스 머신러닝 라이브러리이며, 토치(Torch)라는 머신 러닝 라이브러리에 바탕을 두고 만들어졌다.

 

파이토치의 특징

• 익히기 쉽고 간결하며 Define by Run 방식으로 구현이 빠르게 되고 디버깅이 쉽다
• 동적 그래프를 사용한다
• 비교적 빠른 최적화가 가능하다
• 텐서플로우에 비해 디테일한 모델링이 불가능하다

 

TensorFlow vs Pytorch

https://velog.io/@freejack/PyTorch-vs-TensorFlow-in-2022

PyTorch vs TensorFlow in 2022

위의 글 요약:

 

모델 가용성 면에서는 현재 파이토치가 우세하고, 이는 논문에서 파이토치의 사용횟수가 최근 몇년간 크게 늘어난것을 보면 알 수 있다

하지만 직접 서비스를 하는 산업 환경에서는 배포가 유리한 TF가 더 선호되고,

커뮤니티와 정보 자원같은 생태계에 대해서도 TF가 더 유리하다.

하지만 이는 산업에 종사하는지, 학계에 있는지 등 개인의 상황에 따라 다르다