** TF2JAX 및 JAX2TF.CALL_TF는 TensorFlow와 JAX 간의 상호 운용성을 위해 설계된 도구이지만 다른 목적을 제공하며 성능과 유용성 측면에서 뚜렷한 특성을 가지고 있습니다.
** TF2JAX는 텐서 플로 기능과 모델을 JAX 기능으로 변환하여 사용자가 JAX 코드베이스 내에서 기존의 텐서 플로 모델을 재사용하고 미세 조정할 수있는 라이브러리입니다. 이 변환을 통해 JAX 사용자는`jit`,`grad` 및`vmap '과 같은 Jax 변환을 변환 된 함수에 적용 할 수 있습니다. TF2JAX는 Tensorflow OPS의 서브 세트를 지원하며 투명한 변환 프로세스로 인해 디버깅 및 내성에 특히 유용합니다 [1] [5]. 그러나 모든 텐서 플로 기능을 지원하지는 않으며 사용 된 특정 OP에 따라 성능이 다를 수 있습니다.
** jax2tf.call_tf는 반면에 JAX 기능을 통해 TensorFlow 함수를 직접 호출 할 수 있습니다. 이 접근법은 열망하는 실행 중에 텐서 플로우를 연기하고 컴파일 된 코드의 경우 XLA를 연기함으로써 모든 텐서 플로 OP를 지원합니다. JAX 내에서 Tensorflow 라이브러리를 사용하거나 Tensorflow SavedModels를 다시로드하는 데 도움이됩니다. 그러나 제한된 JAX 변환 세트 만 지원하고 (`jit`,`grad`,`pmap` 및`remat`) 기능은 Jax에 "블랙 박스"로 나타나`vmap` [[vmap` [ 1] [3].
성능 측면에서 TF2JAX는 특히 JAX의`jit` 편집과 결합 될 때 JAX가 잘 지원되는 작업에 더 나은 성능을 제공 할 수 있습니다. 그러나 JAX2TF.CALL_TF는 JAX에서 Tensorflow 함수를 호출하는 오버 헤드로 인해 속도가 느릴 수 있지만 모든 Tensorflow OPS에 대한 포괄적 인 지원을 제공합니다.
유용성과 관련하여 TF2JAX는 텐서 플로 모델을 JAX 워크 플로에 통합하는 동시에 'VMAP`와 같은 고급 기능을 활용하려는 사용자에게 더 적합합니다. JAX2TF.CALL_TF는 특정 TensorFlow 라이브러리 나 모델을 변환하지 않고 직접 사용해야하는 사용자에게 더 편리합니다.
전반적으로 TF2JAX와 JAX2TF.CALL_TF 중에서 선택한 것은 변환 된 텐서 플로 모델에서 JAX의 고급 기능을 활용하는 능력을 우선 순위를 정하는지 또는 텐서 플로 기능을 JAX 워크 플로에 원활하게 통합 해야하는지 여부에 따라 다릅니다.
인용 :[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.ai.google.dev/t/is-google-replacing-tensorflow-with-jax/18015
[5] https://modelzoo.co/model/tf2jax
[6] https://stackoverflow.com/questions/66711706/jax-jit-and-dynamic-shapes-a-regression-from-tensorflow
[7] https://stackoverflow.com/questions/70356126/is--a-module-to-convert-a-tensorflow-nn-to-jax
[8] https://livebook.manning.com/book/deep-learning-with-jax/chapter-2/v-11/