Facebook宣布发布深度学习框架 PyTorch 1.0开发者预览版

今日，Facebook 宣布发布深度学习框架 PyTorch 1.0 开发者预览版，包括一些列工具和集成，使其与 Google Cloud、AWS、Azure 的机器学习服务更为兼容。

ARM、Nvidia、高通、英特尔也在内核库集成和跟踪推理运行时的工具中添加了 PyTorch 支持。

▌PyTorch 1.0 有什么新功能？

该框架主要有三大更新：

一是添加了一个新的混合前端，支持从 Eager 模式到图形模式的跟踪和脚本模型，以弥合研究和生产部署之间的差距。

二是一个经过改进的 Torch 分布式库，可以在 Python 和 C++环境中实现更快的训练。

三是添加了针对关键性能研究的 Eager 模式 C++接口，将在测试版中发布。

目前，研究人员和工程师必须面对许多框架和工具，以创建新的深度学习模型并将其转移到生产环境中大规模运运行，而这里多数框架和工具通常是不兼容的。如此，将会降低开发者在规模化生产中部署 AI 能力的速度。通过这个最新版本，将现有 PyTorch 框架的灵活性与 Caffe2（今年 5 月宣布 Caffe2 并入 PyTorch）的生产能力结合，提供从研究到生产性 AI 的无缝路径。

▌生态的深度支持

PyTorch 1.0 于 5 月在 F8 开发者大会上首次公布，并与 Facebook 的 Caff2、ONNX 进行了更深入的整合。

早在 5 月，Facebook 副总裁 Bill Jia 和首席技术官 Mike Schroepfer 承诺，PyTorch 1.0 将推出新的预训练模型、工具和库，为开发人员提供更多灵活性和选择。

为了满足这些需求，Google Cloud 也将为其众多服务引入 PyTorch 支持。Facebook 在宣布这一消息的博客文章中称，Google 与 Facebook 合作在为 PyTorch 用户共同制作张量处理单元（TPU）。用于预配置 AI 的 Google Cloud Platform 深度学习 VM，还将包含 PyTorch 1.0 的 VM 映像。亚马逊的 SageMaker 将为 PyTorch 用户提供预配置的环境，用于自动模型调整等。

微软于一年前首次与 Facebook 合作开发 ONNX 开源框架，使用不同框架创建的 AI 模型，更具可移植性，同时，微软也将为使用 PyTorch 的开发人员引入一些新资源。

「Azure 机器学习服务现在允许开发人员无缝地从本机上 PyTorch 模型培训转移到 Azure 云上。对于数据科学实验，微软提供预配置的数据科学虚拟机（DSVM）。对于希望开始探索 PyTorch 而无需安装软件和设置本机的开发人员，Azure 提供了一个免费的云托管 Jupyter Notebook 解决方案。」Facebook 产品经理 Joseph Spisak 在博客中指出。

此外，fast.ai 还发布了 fastai 1.0，一个基于 PyTorch 构建的开源深度学习库。

▌总结

不少人会将 Facebook 支持的 PyTorch 与 Google 支持的 TensorFlow 两个深度学习框架进行对比。前者于 2015 年一经开源便得到了社区的广泛支持并迅速成为开发者或机构的首选框架。相比之下，Facebook 的 PyTorch 于 2017 年 1 月向公众发布，现已下载超过 100 万次。目前来看，TensorFlow 显然比 PyTorch 更为广泛使用。

但正如此次 PyTorch 1.0 预览版的公布，它在可重用、性能、编程语言和可扩展性上得到了提升，尤其是在生态的深度合作下，其潜力是显而易见的。