作为一家全球互联网巨头，Facebook早就涉足人工智能领域，并接连不断取得突破性成就，几年前Facebook发起开源计算机硬件方法Open Compute Project，但Facebook所做的远不止数据中心合理化。最近，Facebook开源了机器学习（ML）和人工智能（AI）框架：PyTorch,现在，PyTorch 1.0的测试版已发布。
PyTorch是一个基于Python的科学计算库,利用图形处理单元（GPU）的卓越计算能力来执行复杂的Tensor计算并实现 神经网络。其中包括一些列工具和集成，使其与 Google Cloud、AWS、Azure 的机器学习服务更为兼容。ARM、Nvidia、高通、英特尔也在内核库集成和跟踪推理运行时的工具中添加了 PyTorch 支持，因此，深受世界各地的研究人员和开发人员的青睐。
PyTorch的第一个版本是在一年前推出的。它的速度，生产力和支持动态图形等尖端AI模型的能力迅速使其成为流行和重要的AI开发工具。它有超过110万的下载量。自 Facebook开源PyTorch以来，该项目赢得了许多支持者。借助亚马逊网络服务（AWS），谷歌云和Microsoft Azure提供的更深入的云服务支持，以及与技术提供商ARM，英特尔，IBM，NVIDIA和高通的更紧密集成，开发人员可以轻松部署PyTorch的兼容软件，硬件和开发者工具。
在这个新版本中，PyTorch拥有一个新的混合前端，它可以将模型从极速模式跟踪编写到图形模式，以缩小勘探和生产部署之间的差距。它现在还有一个已改进过的torch.distributed库，这使得其能在Python和C ++环境中进行更快的培训，并能够用于性能关键研究的beta eager模式 C ++接口。这恰好迎合了PyTorch新功能，并被其他技术公司的广泛接受和整合，现在几乎所有在AI领域工作人员都采用这种AI / ML框架。
PyTorch 1.0 三大新功能：
一是添加了一个新的混合前端，支持从 Eager 模式到图形模式的跟踪和脚本模型，以弥合研究和生产部署之间的差距。
二是一个经过改进的 Torch 分布式库，可以在 Python 和 C++环境中实现更快的训练。
三是添加了针对关键性能研究的 Eager 模式 C++接口，将在测试版中发布。
基于Python的PyTorch 1.0为开发人员提供了在单一框架内无缝地从研究转向生产的能力。PyTorch 1.0将PyTorch的研究导向方面与Caffe2（一种流行的 学习框架）和ONNX（开放式神经网络交换）的模块化，以生产为中心的功能 集成在一起，这是一种表示 学习模型的开放格式。
目前，PyTorch已经应用于Facebook的很多产品之中，例如Facebook在神经网络上使用AI来每天执行60亿次翻译。AWS的大规模培训和部署ML模型的完全托管平台Amazon SageMaker现在提供预配置的PyTorch 1.0环境，其中包括自动模型调整。
同时，Google Cloud Platform的Deep Learning VM有一个新的PyTorch 1.0 VM映像。这预装了NVIDIA驱动程序和教程。谷歌还提供云张量处理单元（TPU），这是为ML定制开发的ML专用集成电路（ASIC）。最后，Microsoft Azure机器学习服务现在允许开发人员无缝地从本地服务器上的PyTorch模型培训转移到Azure云上。
人工智能是Facebook当今的基础技术，能够让现有产品更好，并为全新体验提供动力。所以对于Facebook来说，PyTorch 1.0只是一个开始，创建和共享更好的AI编程模型，从而接口和自动优化才是未来不断探究的道路，与此同时，Facebook还将会开源许多其他生产AI工具。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
