静态图框架和动态框架的劣势,哈佛框架分析法的弊端

静态图框架和动态框架的劣势,哈佛框架分析法的弊端

动态图相比静态图更加灵活，但是优化空间更小，如PyTorch。也有框架支持这两种计算图并且提供两者之间的转换工具，如TensorFlow2.0。计图创新的采用了统一计算图，用户并不需要手动切换静态图的缺点在于，运算执行的过程(编译的过程中)代码的错误不容易发现，不能像动态图一样实时拿到中间的计算结果，对代码调试带来一定的麻烦。

但是，在优化&部署方面，静态图拥有更明显的优势。4.动态图与静态图之间的转换动态图便于调试，适用于模型构建实验阶段；静态图执行高效，节省模型训练时间，可以让机器学习框架结合两动态语⾔的表达能⼒更强，设计灵活度也更⼤；易学易⽤，开发速度快；通常运⾏时的灵活性也更⾼。相对地，动态语⾔⽆法及时给出类型错误（⾄少编译器做不到），性能调优的难度

ゃōゃ 因此速度会比动态图更快，从性能上来说更加高效，但这也意味着你所期望的程序与编译器实际执行之间存在着更多的代沟，代码中的错误将难以发现，无法像动态图一样随时拿到中间计算结果。1.mvvm 框架是什么？2.vue-router 是什么？它有哪些组件3.active-class 是哪个组件的属性？4.怎么定义vue-router 的动态路由？怎么获取传过来的值5.vue-router 有哪几种导航钩子？

目前神经网络框架分为静态图框架和动态图框架，PyTorch 和TensorFlow、Caffe 等框架最大的区别就是他们拥有不同的计算图表现形式。TensorFlow 使用静态图，这意味着我们先定义计算这样一来，静态框架的执行效率相对来说就更高一些。这一点是动态框架的劣势，因为它每次规划、分配内存、执行的时候，都只能看到局部的需求，所以并不能做出全局最优的规划和内存分配。

根据MxNet深度学习框架官方文档(https://mxnet.incubator.apache/versions/master/architecture/program_model.html#symbolic-vs-imperative-programs), 图1 Fig.1 社会—生态韧性对城乡治理的重要影响体现在其既可作为提出、分析问题的框架，又可作为解决问题的框架[46]。尽管最初并非源自城市/乡村环境，社会—生态韧性理念在处