Processamento de Alto Desempenho em Python: Uma Análise Comparativa de Bibliotecas de Aprendizado de Máquina

• Bernardo Nogueira Rocha UNIPAMPA
• Thiago Bortoluzzi Morais UNIPAMPA
• Nicolas Flores Feijó UNIPAMPA
• Andressa Assae Perri Tamara Rodrigues UNIPAMPA
• Claudio Schepke UNIPAMPA

DOI: https://doi.org/10.5753/eradrs.2026.21426

Resumo

Este trabalho compara os frameworks Pytorch, TensorFlow e JAX para a implementação em Python de aplicações de aprendizado de máquina focados em desempenho. Uma análise teórica das características e otimizações realizadas aponta que JAX e TensorFlow 2.x tenderão a um desempenho de throughput superior em cargas de trabalho como Transformers, enquanto o Py-Torch 2.x se destaca no equilíbrio entre usabilidade e velocidade.

Referências

(2024). PyTorch 2: Faster Machine Learning Through Dynamic Python Bytecode Transformation and Graph Compilation, ASPLOS ’24, New York, NY, USA. Association for Computing Machinery.

A. Paszke et al. (2019). PyTorch: An Imperative Style, High-Performance Deep Learning Library.

Deep Learning Book (2026). Capítulo 79 – Conhecendo o Modelo GPT-3. [link].

Frostig, R., Johnson, M., and Leary, C. (2018). Compiling machine learning programs via high-level tracing.

M. Abadi et al. (2016). TensorFlow: A system for large-scale machine learning. [link].