我们能用tensorflow实现与MPI相同的计算缩放吗？

我问这个问题的原因是因为我在网上看到过一些代码，人们使用MPI进行分布式计算，以扩展他们的计算模型。我无法理解的是，我所指的大多数示例都是用tensorflow编写的。既然tensorflow已经实现了mpi和gRPC，那么我要问的问题是，我们是否可以用tensorflow而不是mpi来实现相同的结果

换句话说，与MPI和TF相比，有哪些优点和缺点

---

提前谢谢

TF是一个机器学习框架，MPI是一个消息传递库。并行TF构建在MPI之上（TF不是MPI的实现）

---

总之，你不能比较苹果和橙子，也不能比较MPI和TF。

谢谢你的回答。我不是直接将MPI与TF进行比较，而是隐式地将MPI与gRPC进行比较，这正是TF所提供的，所以说，即使它们可能是不同的技术，它们对我来说仍然是苹果对苹果，因为它们的最终目标是相同的，即分布式计算。顺便说一句，这些东西有什么基准吗？gRPC是一个远程过程调用库（它使用HTTP/2，因此在任何地方都可以工作，但开销很大），而MPI是一个消息传递库（通常在集群上工作，但接近有线速度）。苹果和橙子都是美味的水果，但是比较它们是不正确的。它们的最终目标是相同的，即分布式计算。好吧，MPI真正的目标是并行计算，它与分布式计算部分重叠，但我认为将MPI视为通用分布式计算框架是没有用的。