PyTorch在Facebook内部使用，为其人工智能服务(如PyText)提供动力，帮助用户完成语言理解等任务。自2017年开源以来，PyTorch已经成为世界上最流行的深度学习框架之一。

去年秋天发布的2018 GitHub 10月10日报告称，PyTorch是GitHub平台上最受欢迎的开源项目之一，全球有3100万开发者使用该平台。

PyTorch 1.1版本提供了新的api，支持布尔张量（Boolean tensors）和自定义递归神经网络，并且对用于优化计算图的JIT编译器进行了升级。

PyTorch创建者Soumith Chintala表示：“我们一直在与英伟达密切合作，基本上把所有的优化添加到了我们的编译器上。比如，用户有了一些新的想法，写了一个偏离常态的递归神经网络，想试试看能否启动一个更好的LSTM或RNN，在实际运行的时候，速度也会接近cuDNN。”

此外，Soumith Chintala说，编译器的alpha版本在去年秋季的1.0版中就已经发布了，但运行速度并没有比PyTorch的基本模式快多少。Chintala说，新的JIT编译器是研究人员和自动驾驶模型制造商强烈要求的功能，同时，编译器还为PyTorch带来了更多的Python编程语言概念。

JIT编译器现在能够在运行时确定如何生成最高效的代码，Chintala期望JIT编译器的更新能够为定制的RNN模型提供更好的性能。

另外一项非常重要的更新是，PyTorch1.1版本将支持TensorFlow的可视化工具——TensorBoard。PyTorch产品经理Joe Spisak表示：谷歌和Facebook在构建这种集成方面进行了非常密切的合作。

另外，Facebook发布了机器学习实验平台Ax和Botorch，其功能是简化了AI模型优化。BoTorch是一个基于PyTorch的贝叶斯优化库。Ax是用于管理、部署和自动化AI实验的通用平台。

不过，这两个工具都是Facebook整体工作的一部分。事实上，Ax与BoTorch的接口以及内部的Facebook使用这两个工具来完成与优化Instagram不同的任务，加强后端基础设施，以提高用户调查的响应率。

BoTorch（以及贝叶斯优化）的核心是，使数据科学家更容易、更快地进行模型优化，从而获得生产模型。通常这一步会涉及大量的试验，并出现不少错误。BoTorch不是第一个贝叶斯优化工具。然而，Facebook认为这些现有的库很难扩展和定制，而且它们不符合Facebook的需求。

Ax获取这些功能，并围绕BoTorch为这些模型找到最优配置的能力提供所有管理功能，并允许开发人员专注于为生产做好准备。

例如Ax接口与A/B测试和仿真工具，这些工具的目的是自动优化系统，几乎不需要用户参与。当运行实验时，Ax可以自动选择最佳优化策略，可以是贝叶斯优化，或者是班迪特优化(另一种经典的优化策略)或其他算法。

值得注意的是，Ax与框架无关。当它使用BoTorch时，研究人员还可以使用PyTorch和NumPy接口插入自己的代码。

另外据介绍，PyTorch的下一个发展方向是量化，使用更少的比特运行神经网络，以获得更快的CPU和GPU性能，并支持AI从业者在创建的张量中命名。此外，PyTorch还将继续与PySyft这样的项目合作，PySyft是一项使用federated与PyTorch训练机器学习系统的计划。

参考链接：

https://venturebeat.com/2019/05/01/facebook-launches-pytorch-1-1-with-tensorboard-support/

https://techcrunch.com/2018/05/02/facebook-announces-pytorch-1-0-a-more-unified-ai-framework/

https://techcrunch.com/2019/05/01/facebook-open-sources-ax-and-botorch-to-simplify-ai-model-optimization/

创作场景

Facebook 放出 PyTorch1.1，获谷歌协助支持 TensorBoard 功能