5-(1) 딥러닝 프레임워크인 PyTorch와 TensorFlow 비교.

🟢 5-(1). PyTorch vs TensorFlow — 뭐가 다를까?

항목	PyTorch	TensorFlow
개발사	Facebook (Meta)	Google
런칭 시점	2016년	2015년
코딩 스타일	파이썬스러움 (Imperative / Eager)	처음엔 정적 그래프(Static Graph), 요즘은 tf.function으로 유연해짐
디버깅	디버깅 쉽고 직관적	디버깅 상대적으로 불편
가시성	코드 한 줄 한 줄 실행되니까 로직 파악 쉬움	처음엔 추상화 심함, 익숙해지면 괜찮음
유연성	연구에 적합. 실험 코드 작성 편함	배포/서버에 적합. TensorFlow Serving 등 툴 생태계 좋음
인기	연구자 커뮤니티에 인기 많음	기업 배포 환경에서 여전히 강자

• 요약하면: PyTorch는 연구, TensorFlow는 배포에 유리한 구조.
  요즘은 둘 다 기능 비슷하게 발전했기 때문에, 팀 상황이나 목적에 맞춰 선택하면 됨.

• 팀미팅에서 나왔던 유의미한 내용은 모집 공고에서 tensorflow가 많이 보였다는 점 -> pytorch에 비해 배포/확장성이 좋은 부분이 작용한듯

🟢 예시 답안 (코드잇 제공)

PyTorch와 TensorFlow는 모두 딥러닝을 위한 프레임워크이지만, 몇 가지 주요 차이점이 있습니다.

• 첫 번째는 사용성입니다. PyTorch는 Pythonic한 설계 덕분에 직관적이고 간결한 코드 작성이 가능하며, 특히 연구 개발 단계에서 인기가 많습니다. 반면 TensorFlow는 초기에는 코드가 복잡했지만, TensorFlow 2.0 이후 Keras와 통합되면서 사용성이 많이 개선되었습니다.
• 두번째는 커뮤니티와 생태계 측면에서 TensorFlow는 대규모 배포와 모바일 환경 지원에서 강점이 있습니다. PyTorch는 연구와 프로토타입 개발에서 더 선호되며, 최근에는 배포 도구인 TorchServe로 프로덕션 환경에서도 많이 사용되고 있습니다.
• 결론적으로, PyTorch는 유연성과 사용성이 강점이고, TensorFlow는 배포와 확장성에서 더 유리하다고 볼 수 있습니다.