PyTorch 1.0 稳定版来啦

雷锋网 AI 科技评论消息，NeurIPS 正在加拿大召开，会上，Facebook 宣布正式推出  PyTorch 1.0 稳定版，在 Facebook code 博客上，也一并同步了这一消息。雷锋网 AI 科技评论将内容编译如下：

随着 PyTorch 生态系统和社群的不断发展，供开发者使用的有意思的新项目和教育资源越来越多，在 NeurIPS 2018 上，Facebook 发布 PyTorch 1.0 稳定版。在 10 月的 PyTorch 开发者大会上发布的是最新预览版，具有面向产品的特征、支持几大主流云平台等功能。

研究人员和工程师现在可以轻松地充分利用开源深度学习框架的新特性，如用于在 eager 执行模式和 graph 执行模式之间无缝转换的混合前端、改进的分布式训练、用于高性能研究的纯 C++ 前端以及与云平台的深度集成。

PyTorch 1.0 加快了 AI 从研究原型开发到生产部署的工作流程，使这一流程变得更加简单、更容易开始。就在过去的几个月里，我们看到初学者通过新的、丰富的教育项目越来越多地使用 PyTorch，专家们构建出创新的项目，将这一框架从自然语言处理扩展到概率编程等各个领域。

持续增长的 PyTorch 社群

PyTorch 在 2017 年年初推出，很快便成为人工智能研究人员的热门选择，他们发现，其灵活、动态的编程环境和用户友好的界面是快速实验的理想之选。从那时起，我们看到 PyTorch 社群迅速发展。PyTorch 现在是 GitHub 上增长第二快的开源项目（https://octoverse.github.com/projects），在过去的一年里，PyTorch 社区的贡献者增加了 2.8 倍。

非常开心能有以上成长，也非常感谢 PyTorch 社群，感谢所有为代码库做出贡献、提供指导和反馈并使用该框架构建前沿项目的人。我们希望继续保障开发人员能够更容易地通过新的教育计划学习如何使用 PyTorch 构建、训练和部署机器学习模型。

教育课程让 AI 开发者联系更紧密

上个月，Udacity 和 Facebook 推出了一门新课程——PyTorch 深度学习入门（Introduction to Deep Learning with PyTorch），同样还推出了 PyTorch 挑战赛，为持续的 AI 教育提供奖金。在最初的几个星期里，已经有成千上万的学生在网上积极学习了。更重要的是，这些教育课程拉近了开发人员之间的距离，从英国到印度尼西亚，我们看到全球范围内的开发者自发地开始线下聚会。

所有人都可以在 Udacity 上免费获取完整课程，开发人员很快就可以在更高级的 AI Nanodegree 课程中继续 PyTorch 教育。

除了在线教育课程，例如 fast.ai 等组织也提供一些软件库来支持开发人员学习如何利用 PyTorch 构建神经网络。fastai 是一个让神经网络的训练更加快速和准确的库，自两个月前发布以来，它已经在 GitHub 上获得了 1 万颗 star。

开发人员们已经利用这个库做出了一系列成果。例如，Santhosh Shetty 使用 fastai 将灾后损伤等级分类的准确率提高了一倍；与传统方法相比，Alena Harley 将肿瘤常规测序的假阳性率降低了 7 倍；Jason Antic 创建了一个名为 DeOldify 的项目，该项目利用深度学习对旧图像进行着色和修复。

图像着色与修复

一些对 PyTorch 进行扩展的新项目

PyTorch 已经被用在图像识别、机器翻译等多个领域，我们看到了开发人员社群对这一框架的不断扩展和支持，例如:

Horovod—分布式训练框架，开发人员可以轻松地在单 GPU 或多个 GPU 上进行训练。

PyTorch Geometry ——提供了一组程序和可微分模块的几何计算机视觉库。

TensorBoardX——将 PyTorch 模型记录到 TensorBoard 的模块，允许开发人员在训练模型时使用可视化工具。

此外，Facebook 团队还在不断构建和开源 PyTorch 项目，例如 Translate，这是一个基于 Facebook 机器翻译系统的进行序列到序列模型训练的库。

对于那些希望在特定领域迅速开展工作的 AI 开发者来说，PyTorch 的生态系统为他们提供了获取行业最新前沿研究的便捷途径 (可以关注 @PyTorch 了解最新进展)。随着 PyTorch 的不断发展，我们期待着从社区中发现新的项目。

从云端开始

为了使 PyTorch 更易于使用，对用户更加友好，我们继续深化了与云平台和服务的合作，例如 Amazon Web services、Google Cloud Platform 和 Microsoft Azure。就在最近，AWS 推出了支持 PyTorch 的 Amazon SageMaker Neo，允许开发人员在 PyTorch 中构建机器学习模型，只需一次训练，就可以部署到云或端的任何地方，在性能上提升两倍。开发人员现在还可以通过创建一个新的深度学习 VM 实例，在谷歌云平台上使用 PyTorch 1.0。

此外，微软 Azure 机器学习服务现在已经广泛可用了，它允许数据科学家在 Azure 上无缝训练、管理和部署 PyTorch 模型。使用该服务的 Python SDK, PyTorch 开发人员可以利用按需分布式计算功能，用 PyTorch 1.0 大规模训练模型，加速生产过程。

AI 开发人员可以通过云合作伙伴或本地安装轻松地开始使用 PyTorch 1.0，并在 PyTorch 网站上按照逐步更新的教程完成任务，例如使用混合前端部署序列到序列模型、训练一个简单的聊天机器人等等。大家可以在 PyTorch GitHub 上看到更新文档。

via：https://code.fb.com/

雷锋网 AI 科技评论编译整理。

雷峰网版权文章，未经授权禁止转载。详情见转载须知。