** TF2JAX a JAX2TF.CALL_TF jsou nástroje určené pro interoperabilitu mezi TensorFlow a JAX, ale slouží různým účelům a mají zřetelné vlastnosti z hlediska výkonu a použitelnosti.
** TF2JAX je knihovna, která převádí funkce a modely Tensorflow na funkce JAX, což uživatelům umožňuje znovu použít a doladit stávající modely TensorFlow v rámci kódů JAX. Tato konverze umožňuje uživatelům JAX aplikovat transformace JAX jako `jit`,` grad` a `vMap` na převedené funkce. TF2JAX podporuje podmnožinu Tensorflow OPS a je zvláště užitečný pro ladění a introspekci kvůli jeho transparentnímu procesu přeměny [1] [5]. Nemusí však podporovat všechny funkce Tensorflow a výkon se může lišit v závislosti na konkrétních použitých OP.
** jax2tf.call_tf, na druhé straně, umožňuje funkcím Jax volat funkce Tensorflow přímo. Tento přístup podporuje všechny OPS Tensorflow tím, že odloží na Tensorflow během dychtivého provedení a XLA pro kompilovaný kód. Je výhodné pro používání knihoven TensorFlow nebo opětovné načtení TensorFlow SavedModels v JAX. Podporuje však pouze omezenou sadu JAX Transforms (`jit`,` grad`, `pmap` a` remat`) a funkce se objevují jako „černá skříňka“ na Jax, což omezuje další transformace jako `vMap` [[VMAP` [ 1] [3].
Pokud jde o výkon, může TF2JAX potenciálně nabídnout lepší výkon pro operace, které jsou JAX dobře podporovány, zejména v kombinaci s kompilací JAX „JIT“. JAX2TF.CALL_TF však může být pomalejší kvůli režii volání funkcí TensorFlow od JAX, i když poskytuje komplexní podporu pro všechny OPS TensorFlow.
Pokud jde o použitelnost, TF2JAX je vhodnější pro uživatele, kteří chtějí integrovat modely Tensorflow do pracovních postupů JAX a využívat pokročilé funkce Jax, jako je „VMAP“. jax2tf.call_tf je pohodlnější pro uživatele, kteří potřebují využívat konkrétní knihovny nebo modely TensorFlow přímo v rámci JAX, aniž by je převedli.
Celkově volba mezi TF2JAX a JAX2TF.CALL_TF závisí na tom, zda upřednostňujete schopnost využít pokročilé funkce Jax na převedených modelech TensorFlow nebo je třeba hladce integrovat funkce Tensorflow do pracovního postupu JAX.
Citace:[1] https://github.com/google-deepmind/tf2jax
[2] https://www.reddit.com/r/machinelearning/comments/1b08qv6/d_is_it_worth_switching_to_jax_from/
[3] https://github.com/google/jax/blob/main/jax/experimental/jax2tf/readme.md
[4] https://discuss.ai.google.dev/t/is-google-replacing-tingorflow-with-jax/18015
[5] https://modelzoo.co/model/tf2jax
[6] https://stackoverflow.com/questions/66711706/jax-Jit-and-Dynamic-hapes-a-regression-from-tensorflow
[7] https://stackoverflow.com/questions/70356126/is-here-amodule-to-convert-a-tingorflow-nn-to-jax
[8] https://livebook.manning.com/book/deep-learning-with-jax/chapter-2/v-11/
