PyTorch和Tensorflow Fold都是深度学习框架，旨在处理输入数据具有不均匀长度或维度的情况（即动态图有用或需要的情况）。

我想知道他们是如何比较的，就他们所依赖的范式（例如动态批处理）及其含义而言，可以/不能在每一个中实现的东西，弱点/优势等。

我打算使用这些信息来选择其中一个来开始探索动态计算图，但我并没有具体的任务。

注 1：其他动态计算图框架，如DyNet或Chainer也欢迎比较，但我想关注 PyTorch 和 Tensorflow Fold，因为我认为它们是/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，但并不多。

注意 3：另一个相关的hackernews 线程，关于 Tensorflow Fold，其中包含一些关于它们如何比较的信息。

注 4：相关Reddit 线程。

注意 5：Tensorflow Fold 的 github中的相关错误，它确定了一个重要限制：在评估期间无法进行条件分支。

注 6：在 pytorch 论坛上讨论与使用的算法相关的可变长度输入（例如动态批处理）。