PyTorch 1.0宣布用于研究和生产AI项目

在最近的一篇博文中，脸书的副总裁Bill Jia宣布了PyTorch的新版本1.0的发布。PyTorch是用于Python的开源AI框架软件包，具有Tensor计算，包括强大的GPU加速和建立于基于磁带autodiff系统之上的深度神经网络。该新版本的重要性在于，减少了从研究过程到生产过程中移动AI驱动的项目所需的时间，同时提高了这些应用程序的准确度和性能。这些改进的发生，部分是因为混合前端在命令式和声明式执行模式间的转换。

PyTorch的核心优势在于，它是前端必不可少的部分，它通过适应性可编程模式实现迭代原型设计和实验。PyTorch的第一个版本发布于2017年早些时候，其软件包的下载次数已经超过了110万次。Jia将它的流行归因于：

PyTorch应用的一个众所周知的例子是，加州大学伯克利分校计算机科学家所构建的项目，它基于循环一致对抗网络进行非配对图到图的转换。该项目通过使用一组对齐的图像训练集来学习图像输入和输出映射。

图像来源：https://junyanz.github.io/CycleGAN/

PyTorch目前的版本已经取得了一些成果，为AI研究、开发和生产规模上的性能提供了灵活性，但是，也存在一些挑战。Jia解释说：

另外，PyTorch 1.0 集成了Caffe2和ONNX的功能，并把它与PyTorch的能力结合在一起，以提供从研究原型到生产部署的无缝路径。通过利用Caffe2，建立PyTorch依赖关系的公司也能够期望获得对更大的规模和可靠性的支持。PyTorch博客更进一步解释了使用Caffe2的重要性：

ONNX是一种开放格式，用于表示那些能够在不同AI框架之间交换的深度学习模型。在PyTorch 1.0中，ONNX是本地支持的导出模型。它也为加速运行时间和硬件特定库提供了接口。Jia提到了这种方法的一些好处：

PyTorch项目期望于2018年夏季的某个时候发布1.0版本，并且可以在其GitHup repo上查看pull requests。

查看英文原文：PyTorch 1.0 Announced for Research and Production AI Projects

感谢冬雨对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至editors@cn.infoq.com。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号：InfoQChina）关注我们。