개요
- 딥러닝 모델의 설계·학습·추론을 지원하는 오픈소스 프레임워크
- 자동 미분(Autograd), GPU 가속, 모델 직렬화 등 핵심 기능 제공
- 2026년 현재 연구·LLM 학습에는 PyTorch, 프로덕션·모바일에는 TensorFlow가 주류
TensorFlow
- 공식 사이트
- Google이 개발, 2015년 오픈소스 공개
- Keras 통합: 고수준 API로 빠른 프로토타이핑
- 생태계
- TFLite: 모바일·엣지 디바이스 추론
- TF.js: 브라우저에서 JS로 추론
- TF Serving: 프로덕션 모델 서빙
- TFX: 엔드-투-엔드 ML 파이프라인
- 정적 계산 그래프 기반 → 배포 최적화에 유리
PyTorch
- 공식 사이트
- Meta(Facebook)가 개발, 2016년 공개
- 동적 계산 그래프(Dynamic Computation Graph): 파이썬처럼 직관적, 디버깅 용이
- 연구·학계의 사실상 표준, LLM·생성 AI 학습에 주로 사용
- 생태계
torch.nn: 레이어 정의 모듈torchvision, torchaudio, torchtext: 도메인별 라이브러리- torchcompile: JIT 컴파일로 학습 속도 향상
- Hugging Face Transformers: PyTorch 기반 LLM 생태계
- lightning (PyTorch Lightning): 학습 루프 추상화
JAX
- 공식 사이트
- Google Research가 개발
- NumPy 호환 API + JIT 컴파일(
@jax.jit) + 자동 미분(jax.grad)
- XLA 컴파일러로 TPU 활용 최적화, 대규모 분산 학습에 강점
- 함수형 프로그래밍 패러다임 (순수 함수, 불변성)
- 상위 프레임워크: Flax, Haiku, Optax
비교
| 항목 |
TensorFlow |
PyTorch |
JAX |
| 개발사 |
Google |
Meta |
Google |
| 그래프 방식 |
정적 (기본) |
동적 |
정적 (JIT) |
| 주요 사용처 |
프로덕션·모바일 |
연구·LLM |
연구·TPU |
| 생태계 |
넓음 |
매우 넓음 |
성장 중 |
| 학습 곡선 |
중간 |
낮음 |
높음 |
관련 포스트
