【新智元導讀】今天, PyTorch官方在GitHub發佈0.4.0版本, 最重要的改進是支援Windows系統。 新版本完全改變了API, 是本年度最重大的升級。
TensorFlow依舊有王者榮耀, 但PyTorch虎視眈眈。
今天, PyTorch官方在GitHub發佈0.4.0版本, 最重要的改進是支援Windows系統。
PyTorch是在2017年1月由Facebook推出的。 它是經典機器學習庫Torch框架的一個埠, Torch二進位檔案包裝於GPU加速的Python。
除了GPU加速和記憶體使用的高效外, PyTorch受歡迎的主要因素是動態計算圖的使用。 已經有其他一些不太知名的深度學習框架使用動態計算圖,
動態圖的優點在於, 圖(graph)是由run定義(“define by run”), 而不是傳統的“define and run”。 特別是, 在輸入可以變化的情況下, 例如文本這樣的非結構化資料, 這非常有用而且高效。
以下為更新內容目錄:
主要核心變更
Tensor/Variable合併
零維張量
dtypes
遷移指南
新功能
張量
全面支援高級索引
快速傅立葉轉換
神經網路
權衡記憶體計算
bottleneck - 一個在你的代碼中識別hotspots的工具
torch.distributions
24個基本概率分佈
增加了cdf, 方差, 熵, 困惑度(perplexity)等。
分散式訓練
易於使用的Launcher utility
NCCL2後端
C ++擴展
Windows支援
ONNX改進
RNN支援
性能改進
Bug修復
主要核心變化以下是用戶每天使用的最重要的核心功能的更新。
主要變化和潛在的重要更新:
Tensors 和 Variables已經合併
有些操作會返回0維(標量)Tensors
棄用了 volatile flag
改進:
添加了 dtypes, devices和 Numpy 風格的 Tensor 創建函數
支援編寫與device無關的代碼
PyTorch團隊編寫了一個遷移指南, 説明使用者將代碼轉換為新的API和style。 如果您想要遷移以前版本的PyTorch中的代碼。
遷移指南:http://pytorch.org/2018/04/22/0_4_0-migration-guide.html
本部分的內容(主要核心變更)包含在遷移指南中。
合併 Tensor 和 Variable 類torch.autograd.Variable 和 torch.Tensor 現在是同一類。 更確切地說, torch.Tensor 能夠跟蹤歷史並像舊的 Variable 一樣運行;Variable 的換行繼續像以前一樣工作,
Tensor 的 type( ) 已經改變
還要注意 Tensor 的 type( ) 不再反映資料類型。 使用isinstance()或 x.type()來代替:
Windows支持
PyTorch現在正式支持Windows!我們為Python 3.5和3.6提供預編譯的Conda二進位檔案和pip wheels。 Windows上的PyTorch不支持分散式訓練, 可能比Linux / OSX慢一點, 因為Visual Studio支持較早版本的OpenMP。
與往常一樣, 你可以使用http://pytorch.org上的命令在Windows上安裝PyTorch。
這裡有一個常見問題解答, 可以解答你在Windows上可能遇到的大多數問題:http://pytorch.org/docs/stable/notes/windows.html
更多細節, 請參考PyTorch的GitHub頁面:https://github.com/pytorch/pytorch/releases/tag/v0.4.0
【加入社群】
新智元 AI 技術 + 產業社群招募中, 歡迎對 AI 技術 + 產業落地感興趣的同學, 加小助手微信號: aiera2015_1 入群;通過審核後我們將邀請進群, 加入社群後務必修改群備註(姓名 - 公司 - 職位;專業群審核較嚴,