PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统

TensorFlow依旧有王者荣耀，但PyTorch虎视眈眈。

今天，PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统。

PyTorch是在2017年1月由Facebook推出的。它是经典机器学习库Torch框架的一个端口，Torch二进制文件包装于GPU加速的Python。

除了GPU加速和内存使用的高效外，PyTorch受欢迎的主要因素是动态计算图的使用。已经有其他一些不太知名的深度学习框架使用动态计算图，例如Chainer。

动态图的优点在于，图（graph）是由run定义（“define by run”），而不是传统的“define and run”。特别是，在输入可以变化的情况下，例如文本这样的非结构化数据，这非常有用而且高效。

图：PyTorch动态计算图 - 来源：http://pytorch.org/about/

以下为更新内容目录：

主要核心变更

Tensor/Variable合并

零维张量

dtypes

迁移指南

新功能

张量

全面支持高级索引

快速傅立叶变换

神经网络

权衡内存计算

bottleneck - 一个在你的代码中识别hotspots的工具

torch.distributions

24个基本概率分布

增加了cdf，方差，熵，困惑度（perplexity）等。

分布式训练

易于使用的Launcher utility

NCCL2后端

C ++扩展

Windows支持

ONNX改进

RNN支持

性能改进

Bug修复

主要核心变化

以下是用户每天使用的最重要的核心功能的更新。

主要变化和潜在的重要更新：

Tensors和Variables已经合并

有些操作会返回0维（标量）Tensors

弃用了volatileflag

改进：

添加了dtypes，devices和 Numpy 风格的Tensor创建函数

支持编写与device无关的代码

PyTorch团队编写了一个迁移指南，帮助用户将代码转换为新的API和style。如果您想要迁移以前版本的PyTorch中的代码。

迁移指南：http://pytorch.org/2018/04/22/0_4_0-migration-guide.html

本部分的内容（主要核心变更）包含在迁移指南中。

合并Tensor和Variable类

torch.autograd.Variable和torch.Tensor现在是同一类。更确切地说，torch.Tensor能够跟踪历史并像旧的Variable一样运行；Variable的换行继续像以前一样工作，但返回的对象类型变成torch.Tensor。这意味着你不再需要将代码中的任何Variable wrapper。

Tensor的type( )已经改变

还要注意Tensor的type( )不再反映数据类型。使用isinstance（）或x.type（）来代替：

Windows支持

PyTorch现在正式支持Windows！我们为Python 3.5和3.6提供预编译的Conda二进制文件和pip wheels。Windows上的PyTorch不支持分布式训练，可能比Linux / OSX慢一点，因为Visual Studio支持较早版本的OpenMP。

与往常一样，你可以使用http://pytorch.org上的命令在Windows上安装PyTorch。