论文TENSORFLOW.JS: MACHINE LEARNING FOR THE WEB AND BEYOND说:
由于我们设计目标的一个重要部分是优先考虑易用性而非性能,因此TensorFlow.js支持渴望的差异化风格。
一般来说,我们谈论的是什么样的性能影响?它取决于型号吗?是否存在完全没有性能差异的情况?
声明(a.k.a.,延迟执行,图形模式)编程范例的主要性能优势类似于TensorFlow v1(Python)的默认图模型中的范例,它来自以下方面:
图模式TensorFlow支持所有上述优化。有关更多详细信息,请访问Google“grappler”和“XLA”。
TensorFlow.js采用命令式(a.k.a.,eager)范式,主要基于可用性考虑。这类似于TensorFlow急切执行,PyTorch和NumPy。因此,它没有提供所有上述优化机会。
但是,要意识到有一些方法可以从命令式程序中获取计算图形(参见TensorFlow v2的tf.function decorator和JAX)。 TensorFlow.js没有理由不采用类似的范例来提升性能。只是产品团队尚未明确表达对该功能进行优先排序的需求。