スタティックマップは一度しか建てられ、その後、地図上の最適化を行うことは容易で、常にそれを再利用し、より効率的なマップ
すべてのダイナミックマップの使用を確立し、最適化することは容易ではありません
スタティックマップが過負荷状態にすることができ、あなたがネットワーク全体を保存することができ、ディスクにシリアライズすることができ、非常に実用的な展開
図以前動的コードの重複が必要とされます
より簡潔なコードの静的なビューに比べてダイナミックマップ
tensorflow静的なフィギュアの条件分岐やループでは、特定の構文を、pytorchのみPythonの構文を実現することができる必要があり
研究、tensorflowやカフェ、アプリケーションのデプロイ用caffe2ためpytorch
1