作为一家全球互联网巨头，Facebook早已投身于人工智能领域，并接连不断获得突破性成就，几年前Facebook发动开源计算机硬件方法OpenComputeProject，但Facebook所做到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，PyTorch1.0的正式版已公布。PyTorch是一个基于Python的科学计算库,利用图形处理单元（GPU）的卓越计算能力来继续执行简单的Tensor计算出来并构建深度神经网络。

其中还包括一些佩工具和构建，使其与GoogleCloud、AWS、Azure的机器学习服务更加相容。ARM、Nvidia、高通、英特尔也在内核库构建和追踪推理小说运营时的工具中加到了PyTorch反对，因此，颇受世界各地的研究人员和开发人员的注目。PyTorch的第一个版本是在一年前发售的。

它的速度，生产力和反对动态图形等尖端AI模型的能力很快使其沦为风行和最重要的AI开发工具。它有多达110万的下载量。自Facebook开源PyTorch以来，该项目夺得了许多支持者。利用亚马逊网络服务（AWS），谷歌云和MicrosoftAzure获取的更加了解的云服务反对，以及与技术提供商ARM，英特尔，IBM，NVIDIA和高通的更加密切构建，开发人员可以精彩部署PyTorch的相容软件，硬件和开发者工具。

在这个新版本中，PyTorch享有一个新的混合前端，它可以将模型从公里／小时模式追踪撰写到图形模式，以增大勘探和生产部署之间的差距。它现在还有一个已改良过的torch.distributed库，这使得其能在Python和C++环境中展开更慢的培训，并需要用作性能关键研究的betaeager模式C++模块。这刚好顺应了PyTorch新功能，并被其他技术公司的普遍拒绝接受和统合，现在完全所有在AI领域工作人员都使用这种AI/ML框架。

PyTorch1.0三大新功能：一是加到了一个新的混合前端，反对从Eager模式到图形模式的追踪和脚本模型，以调和研究和生产部署之间的差距。二是一个经过改良的Torch分布式库，可以在Python和C++环境中构建更慢的训练。三是加到了针对关键性能研究的Eager模式C++模块，将在正式版中公布。

基于Python的PyTorch1.0为开发人员获取了在单一框架内无缝地从研究改向生产的能力。PyTorch1.0将PyTorch的研究导向方面与Caffe2（一种风行的深度自学框架）和ONNX（开放式神经网络互相交换）的模块化，以生产为中心的功能构建在一起，这是一种回应深度自学模型的对外开放格式。目前，PyTorch早已应用于Facebook的很多产品之中，例如Facebook在神经网络上用于AI来每天继续执行60亿次翻译成。

AWS的大规模培训和部署ML模型的几乎托管地平台AmazonSageMaker现在获取实配备的PyTorch1.0环境，其中还包括自动模型调整。同时，GoogleCloudPlatform的DeepLearningVM有一个新的PyTorch1.0VM光碟。

这笔记本电脑了NVIDIA驱动程序和教程。谷歌还获取云张量处理单元（TPU），这是为ML自定义研发的ML专用集成电路（ASIC）。最后，MicrosoftAzure机器学习服务现在容许开发人员无缝地从本地服务器上的PyTorch模型培训移往到Azure云上。

人工智能是Facebook当今的基础技术，需要让现有产品更佳，并为全新体验获取动力。所以对于Facebook来说，PyTorch1.0只是一个开始，创立和分享更佳的AI编程模型，从而模块和自动优化才是未来大大探究的道路，与此同时，Facebook还将不会开源许多其他生产AI工具。

本文来源：RAYBET雷竞技入口-www.baidve.org.cn