PyTorch 1.0 同時面向產(chǎn)品化 AI 和突破性研究的發(fā)展，「我們在 PyTorch1.0 發(fā)布前解決了幾大問題，包括可重用、性能、編程語言和可擴(kuò)展性。」Facebook 人工智能副總裁 Jerome Pesenti 曾在PyTorch 開發(fā)者大會上表示。

隨著 PyTorch 生態(tài)系統(tǒng)及社區(qū)中有趣新項目及面向開發(fā)者的教育資源不斷增加，今天 Facebook 在 NeurIPS 大會上發(fā)布了 PyTorch 1.0 穩(wěn)定版。該版本具備生產(chǎn)導(dǎo)向的功能，同時還可以獲得主流云平臺的支持。

現(xiàn)在，研究人員及工程師可以輕松利用這一開源深度學(xué)習(xí)框架的新功能，包括可在 eager execution 和 graph execution 模式之間無縫轉(zhuǎn)換的混合前端、改進(jìn)的分布式訓(xùn)練、用于高性能研究的純 C++ 前端，以及與云平臺的深度集成。

PyTorch 1.0 將加速 AI 從原型到生產(chǎn)部署的工作流程，并使這一進(jìn)程更加容易開始。僅僅在過去的幾個月里，就不斷有人通過廣泛普及的新教學(xué)課程上手 PyTorch，一些專家還構(gòu)建了創(chuàng)新型項目，將這一框架擴(kuò)展到從自然語言處理到概率編程的多個領(lǐng)域。

不斷壯大的 PyTorch 社區(qū)

PyTorch 于 2017 年初首發(fā)，之后迅速成為 AI 研究者廣泛使用的框架。PyTorch 靈活、動態(tài)的編程環(huán)境及對用戶友好的界面使其非常適用于快速實驗。其社區(qū)的迅速壯大有目共睹。如今，PyTorch 已經(jīng)成為 GitHub 上增長第二快的開源項目，在過去的 12 個月里貢獻(xiàn)者增加了 1.8 倍。

為對社區(qū)做出回饋，F(xiàn)acebook 將繼續(xù)提供簡單易學(xué)的教育課程，通過這些課程幫助開發(fā)者掌握用 PyTorch 創(chuàng)建、訓(xùn)練及部署機(jī)器學(xué)習(xí)模型的技巧。

教育課程將 AI 開發(fā)者凝聚在一起

去年，Udacity 和 Facebook 上線了一門新課程《Introduction to Deep Learning with PyTorch》和 PyTorch 挑戰(zhàn)賽（PyTorch Challenge Program），它為持續(xù) AI 教育提供獎學(xué)金。在課程發(fā)布后的短短幾周內(nèi)，數(shù)萬學(xué)生積極參與該在線項目。此外，該教育課程開始通過現(xiàn)實世界的會面（meet-up）使開發(fā)者社區(qū)變得更有凝聚力，這種 meet-up 在全世界展開，從英國到印度尼西亞都有這樣的開發(fā)者聚會。

完整課程可在 Udacity 網(wǎng)站上免費獲取，之后開發(fā)者可以在更高級的 AI 納米學(xué)位項目中繼續(xù) PyTorch 學(xué)習(xí)。

除了在線教育課程，fast.ai 等組織還提供過軟件庫，支持開發(fā)者學(xué)習(xí)如何使用 PyTorch 構(gòu)建神經(jīng)網(wǎng)絡(luò)。fastai 庫（簡化了訓(xùn)練快速、準(zhǔn)確的神經(jīng)網(wǎng)絡(luò)的流程）在發(fā)布兩個月后即在 GitHub 獲得 10000 星。

新項目拓展 PyTorch

PyTorch 已被應(yīng)用到從圖像識別到機(jī)器翻譯的多個用例中。因此可以看到開發(fā)者社區(qū)各種項目對 PyTorch 開發(fā)的拓展和支持。其中一些項目有：

• Horovod：分布式訓(xùn)練框架，讓開發(fā)人員可以輕松地使用單個 GPU 程序，并快速在多個 GPU 上訓(xùn)練。
• PyTorch Geometry：PyTorch 的幾何計算機(jī)視覺庫，提供一組路徑和可區(qū)分的模塊。
• TensorBoardX：一個將 PyTorch 模型記錄到 TensorBoard 的模塊，允許開發(fā)者使用可視化工具訓(xùn)練模型。

此外，F(xiàn)acebook 內(nèi)部團(tuán)隊還構(gòu)建并開源了多個 PyTorch 項目，如 Translate（用于訓(xùn)練基于 Facebook 機(jī)器翻譯系統(tǒng)的序列到序列模型的庫）。對于想要快速啟動特定領(lǐng)域研究的 AI 開發(fā)者來說，PyTorch 支持項目的生態(tài)系統(tǒng)使他們能夠輕松了解行業(yè)前沿研究。希望隨著 PyTorch 不斷發(fā)展，社區(qū)能夠出現(xiàn)更多新的項目。

從云端啟動

為了使 PyTorch 更加易于獲取且對用戶友好，PyTorch 團(tuán)隊繼續(xù)深化與云平臺和云服務(wù)的合作，如 AWS、谷歌云平臺、微軟 Azure。最近，AWS 上線了 Amazon SageMaker Neo，支持 PyTorch，允許開發(fā)者使用 PyTorch 構(gòu)建機(jī)器學(xué)習(xí)模型，訓(xùn)練模型，然后將它們部署在云端或邊緣設(shè)備，且性能提升高達(dá) 2 倍。開發(fā)者現(xiàn)在可以在谷歌云平臺上創(chuàng)建一個新的深度學(xué)習(xí)虛擬機(jī)實例來嘗試使用。

此外，微軟 Azure 機(jī)器學(xué)習(xí)服務(wù)現(xiàn)在也可以廣泛使用了，它允許數(shù)據(jù)科學(xué)家在 Azure 上無縫訓(xùn)練、管理和部署 PyTorch 模型。使用 Azure 服務(wù)的 Python SDK，Python 開發(fā)者可以利用所需的分布式計算能力，使用 PyTorch 1.0 規(guī)?；?xùn)練模型，并加速從訓(xùn)練到生產(chǎn)的過程。

AI 開發(fā)者可通過云服務(wù)或本地安裝來輕松使用 PyTorch 1.0，并遵循 PyTorch 官網(wǎng)上更新版分步教程執(zhí)行任務(wù)，比如使用混合前端部署序列到序列模型，訓(xùn)練簡單的 chatbot 等等。PyTorch 1.0 版本說明參見 PyTorch GitHub：https://github.com/pytorch/pytorch/releases。

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請查看下面相關(guān)鏈接

最新評論