千呼万唤始出来，PyTorch1.0预览版终于问世！

千呼万唤始出来，PyTorch1.0预览版终于问世！新增混合前端、torchdistributed库和eager模式C++接口，大幅度提高AI开发者工作效率。

Pytorch1.0预览版来了！

PyTorch 1.0加速了在人工智能到生产部署方面突破性研究所涉及的工作流程。

借助亚马逊、谷歌和微软提供的云服务支持，以及与ARM，英特尔，IBM，NVIDIA和高通的更紧密结合，开发人员可以更轻松地利用PyTorch的兼容软件、硬件和开发工具生态系统。

与PyTorch 1.0兼容的软件和硬件越多，AI开发人员就越容易快速地构建、训练和部署最先进的深度学习模型。

PyTorch1.0新亮点

PyTorch1.0最新添加了一个混合前端（hybrid front end），支持从eager模式到图形模式的跟踪和脚本模型，一次来弥补研究和生产部署之间的差距。

还增加了改进的torch.distributed库，开发者可以在Python和C ++环境中实现更快的训练。

最后，增加了针对性能关键性研究的eager模式C ++接口（在测试版中发布）。

Pytorch生态系统更深层次的支持

AWS、Google和Microsoft通过对Pytorch云平台、产品和服务的框架提供更强大的支持，来深化对PyTorch 1.0的投资。例如，AWS的SageMaker是用于大规模训练和部署机器学习模型的完全托管平台，现在为PyTorch 1.0提供了预配置环境，其中包括了像自动模型调整这样的功能。

谷歌正宣布其为 AI 开发者制定的多种软件和硬件工具将与 PyTorch 1.0 实现集成。谷歌云平台的深度学习虚拟机目前有一个新的PyTorch 1.0虚拟机映像文件，预装了NVIDIA驱动程序和教程。

Google还提供张量处理单元（TPU），这是用于机器学习定制开发的专用集成电路（ASIC）。 Google Cloud TPU团队的工程师与Facebook的PyTorch团队积极合作，目前基于 PyTorch 1.0 的模型能使用这种定制化的硬件了。

微软是Facebook在另一项重要的人工智能项目——ONNX（开源的神经网络交换格式）的早期合作伙伴，它也进一步承诺在其机器学习产品套件中将为PyTorch提供一流的支持。

Azure机器学习服务现在允许开发人员无缝地从在本地机器上训练PyTorch模型，并转移到Azure Cloud中进行扩展。为了进行数据科学实验，微软提供了预配置的数据科学虚拟机(DSVM)，这些虚拟机预先安装了PyTorch。对于想要开始探索PyTorch而不需要安装软件和安装本地机器的开发人员来说，Azure笔记本提供了一个免费的、云托管的Jupyter笔记本解决方案，该解决方案是用PyTorch教程建立的。

最后，Visual Studio Code的AI扩展工具为简化PyTorch代码开发和训练，提供了Azure ML和PyTorch api的集成。

除了软件和云服务提供商，技术合作伙伴（包括ARM、IBM、英特尔、英伟达和高通）正在通过直接优化、内核库集成以及对编译器和推断运行时等附加工具来支持PyTorch 1.0。这种额外的支持确保PyTorch开发人员可以在各种各样的硬件上运行模型，这些硬件是为数据中心和边缘设备的训练和推理而优化的。

为未来的AI开发者提供教育资源

目前，许多教育提供者使用现有的PyTorch框架来教授深度学习相关的在线课程和大学课程。

该框架的易接近性和与Python的深度集成使学生更容易理解，并对各类深度学习概念进行实验。Facebook表示，随着PyTorch 1.0的发展，很高兴有更多的合作伙伴进一步地关注相关课程。

Udacity目前正与Facebook合作，为开发人员提供免费的深度学习入门课程，该课程将完全在PyTorch上讲授。此外，Facebook将赞助300名成功完成该中级课程的学生，使他们继续完成Udacity的深度学习计划（Nanodegree中的教育），该计划已改编为在PyTorch 1.0上运行。

Fast.ai 同样使用 PyTorch 框架，并提供免费的深度学习入门、高级和机器学习课程。它宣布推出第一版fast.ai——一个基于PyTorch 1.0构建的开源软件库。该软件库可以支撑更高的准确性以及更快的速度，代码则显著减少，无论是初学者还是经验丰富的开发人员都更容易理解深度学习。

Facebook表示，在未来几个月里，很希望能够收到与使用PyTorch1.0相关的反馈消息。另外，还期待继续与深度学习生态系统中的领军人物合作，以帮助更多的人充分利用AI，并加快从研究到生产的道路。