PyTorch 1.0 宣布用于研究和生产 AI 项目

看新闻很累？看技术新闻更累？试试下载 InfoQ 手机客户端，每天上下班路上听新闻，有趣还有料！

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：

它的速度、生产力和支持最前沿 AI 模型（如动态图形）的能力迅速使之成为最受 AI 研究人员欢迎的重要开发工具。

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：

由于它和 Python 紧密的耦合，我们常常需要把研究代码（无论是训练脚本还是经过训练的模型）转换为 Caffe2 中的图形模式表示，以在生产规模上运行。Caffe2 的基于图形执行程序允许开发人员利用最先进的优化技术，比如图形转换、高效的内存重用和严格的硬件接口集成等等。

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：

初创企业、大公司和任何希望围绕 PyTorch 构建产品的人都要求获得产品支持。在脸书（PyTorch 的最大利益相关者），我们拥有 Caffe2，它已经是生产就绪平台，运行于我们的数据中心，并向横跨 8 代 iPhone 以及 6 代安卓 CPU 架构的超过 10 亿部手机交付产品。它在 Inter/ARM、TensorRT 支持以及所有生产所需的位数上有服务器优化推理。考虑到所有这些价值锁定在 PyTorch 团队与其密切合作的平台上，我们决定把 PyTorch 和 Caffe2 结合在一起，从而为 PyTorch 提供生产级准备。

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：

它给予开发人员完全的自由，以混合和匹配最好的 AI 框架和工具，而无需承担资源密集型的定制工程。

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。