PyTorch vs TensorFlow 2024 что выбрать для нового проекта

[appdaemon9597]

Начинаю новый проект по компьютерному зрению, классификация медицинских снимков. Раньше работал только с TensorFlow 1.x, потом немного трогал Keras. Сейчас вижу, что все вокруг пересели на PyTorch, но не понимаю — это хайп или реально есть смысл переучиваться? Проект не огромный, команда 3 человека, деплой скорее всего в облако. Что посоветуете в 2024?

[polina_msk]

Если команда новая и нет легаси — берите PyTorch без раздумий. Исследовательское сообщество давно проголосовало ногами: на NeurIPS/ICLR 90%+ работ выходят с кодом на PyTorch. Это означает, что найти реализацию нужной архитектуры намного проще, обычно это просто pip install + пара строк. TF2 с Keras тоже нормальный, но экосистема заметно беднее по свежим моделям.

[sqlreact9621]

Не соглашусь насчёт деплоя — у TensorFlow Serving намного более зрелая история в проде. TF Lite для edge-девайсов тоже удобнее. Если у вас медицина и возможен деплой на слабое железо или мобилки — TF может быть практичнее. PyTorch тоже умеет в TorchServe и ONNX, но по ощущениям чуть сырее.

[elena_official]

Работаю в медицинском стартапе, у нас как раз классификация снимков. Перешли с TF на PyTorch два года назад, о чём не пожалели. Конкретно: torchvision с предобученными моделями, timm (pytorch-image-models) — это просто кладезь архитектур. Из болей — torch.compile в 2.x иногда глючит на нестандартных слоях, но в целом скорость инференса выросла.

[makar_root]

Ещё вариант — не страдать с выбором и взять PyTorch Lightning или Hugging Face Trainer. Они абстрагируют большую часть бойлерплейта, и в случае Lightning под капотом всё равно чистый PyTorch, переход не болезненный. Для медицины смотрите ещё MONAI — специализированная библиотека поверх PyTorch именно для медицинских изображений, там готовые лоссы и трансформы.

[kira_api82]

Вопрос в тему: а как у вас с аннотацией данных? В медицине это обычно узкое место, а не выбор фреймворка. Если датасет маленький — разница между PT и TF вообще несущественна, важнее правильная аугментация и transfer learning.

[devbyte8767]

Итого моё мнение: PyTorch для разработки и экспериментов, ONNX для экспорта если нужна кроссплатформенность, TensorFlow Serving только если уже есть инфраструктура под него. Новый проект с нуля — однозначно PyTorch + timm + Lightning, не пожалеете.