Facebook 在人工智能項(xiàng)目中廣泛使用自己的開源 AI 框架 PyTorch，最近，他們已經(jīng)發(fā)布了 PyTorch 1.0 的預(yù)覽版本。

如果你尚不了解，PyTorch 是一個(gè)基于 Python 的科學(xué)計(jì)算庫(kù)。

PyTorch 利用 GPU 超強(qiáng)的運(yùn)算能力 來(lái)實(shí)現(xiàn)復(fù)雜的 張量 計(jì)算 和 深度神經(jīng)網(wǎng)絡(luò)。 因此， 它被世界各地的研究人員和開發(fā)人員廣泛使用。

這一新的可以投入使用的 預(yù)覽版 已于 2018 年 10 月 2 日周二在舊金山 The Midway 舉辦的 PyTorch 開發(fā)人員大會(huì) 宣布。

PyTorch 1.0 候選版本的亮點(diǎn)

候選版本中的一些主要新功能包括：

1、 JIT

JIT 是一個(gè)編譯工具集，使研究和生產(chǎn)更加接近。 它包含一個(gè)基于 Python 語(yǔ)言的叫做 Torch Script 的腳本語(yǔ)言，也有能使現(xiàn)有代碼與它自己兼容的方法。

2、 全新的 torch.distributed 庫(kù): “C10D”

“C10D” 能夠在不同的后端上啟用異步操作， 并在較慢的網(wǎng)絡(luò)上提高性能。

3、 C++ 前端 (實(shí)驗(yàn)性功能)

雖然它被特別提到是一個(gè)不穩(wěn)定的 API （估計(jì)是在預(yù)發(fā)行版中）， 這是一個(gè) PyTorch 后端的純 C++ 接口， 遵循 API 和建立的 Python 前端的體系結(jié)構(gòu)，以實(shí)現(xiàn)高性能、低延遲的研究和開發(fā)直接安裝在硬件上的 C++ 應(yīng)用程序。

想要了解更多，可以在 GitHub 上查看完整的 更新說(shuō)明。

第一個(gè) PyTorch 1.0 的穩(wěn)定版本將在夏季發(fā)布。（LCTT 譯注：此信息可能有誤）

在 Linux 上安裝 PyTorch

為了安裝 PyTorch v1.0rc0， 開發(fā)人員建議使用 conda， 同時(shí)也可以按照本地安裝頁(yè)面所示，使用其他方法可以安裝，所有必要的細(xì)節(jié)詳見文檔。

前提

• Linux
• Pip
• Python
• CUDA (對(duì)于使用 Nvidia GPU 的用戶)

我們已經(jīng)知道如何安裝和使用 Pip，那就讓我們來(lái)了解如何使用 Pip 安裝 PyTorch。

請(qǐng)注意，PyTorch 具有 GPU 和僅限 CPU 的不同安裝包。你應(yīng)該安裝一個(gè)適合你硬件的安裝包。

安裝 PyTorch 的舊版本和穩(wěn)定版

如果你想在 GPU 機(jī)器上安裝穩(wěn)定版（0.4 版本），使用：

pip install torch torchvision

使用以下兩個(gè)命令，來(lái)安裝僅用于 CPU 的穩(wěn)定版：

pip install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl
pip install torchvision

安裝 PyTorch 1.0 候選版本

使用如下命令安裝 PyTorch 1.0 RC GPU 版本：

pip install torch_nightly -f https://download.pytorch.org/whl/nightly/cu92/torch_nightly.html

如果沒有GPU，并且更喜歡使用 僅限 CPU 版本，使用如下命令：

pip install torch_nightly -f https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html

驗(yàn)證 PyTorch 安裝

使用如下簡(jiǎn)單的命令，啟動(dòng)終端上的 python 控制臺(tái)：

python

現(xiàn)在，按行輸入下面的示例代碼以驗(yàn)證您的安裝：

from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)

你應(yīng)該得到如下輸出：

tensor([[0.3380, 0.3845, 0.3217],
 [0.8337, 0.9050, 0.2650],
 [0.2979, 0.7141, 0.9069],
 [0.1449, 0.1132, 0.1375],
 [0.4675, 0.3947, 0.1426]])

若要檢查是否可以使用 PyTorch 的 GPU 功能， 可以使用以下示例代碼:

import torch
torch.cuda.is_available()

輸出結(jié)果應(yīng)該是：

True

支持 PyTorch 的 AMD GPU 仍在開發(fā)中， 因此, 尚未按報(bào)告提供完整的測(cè)試覆蓋，如果您有 AMD GPU ，請(qǐng)?jiān)?a class="ext" rel="external nofollow" target="_blank">這里提出建議。

現(xiàn)在讓我們來(lái)看看一些廣泛使用 PyTorch 的研究項(xiàng)目：

基于 PyTorch 的持續(xù)研究項(xiàng)目

• Detectron: Facebook AI 研究院的軟件系統(tǒng), 可以智能地進(jìn)行對(duì)象檢測(cè)和分類。它之前是基于 Caffe2 的。今年早些時(shí)候，Caffe2 和 PyTorch 合力創(chuàng)建了一個(gè)研究 + 生產(chǎn)的 PyTorch 1.0
• Unsupervised Sentiment Discovery: 廣泛應(yīng)用于社交媒體的一些算法
• vid2vid: 逼真的視頻到視頻的轉(zhuǎn)換
• DeepRecommender 我們?cè)谶^(guò)去的網(wǎng)飛的 AI 文章中介紹了這些系統(tǒng)是如何工作的

領(lǐng)先的 GPU 制造商英偉達(dá)在更新這方面最近的發(fā)展，你也可以閱讀正在進(jìn)行的合作的研究。

我們應(yīng)該如何應(yīng)對(duì)這種 PyTorch 的能力？

想到 Facebook 在社交媒體算法中應(yīng)用如此令人驚嘆的創(chuàng)新項(xiàng)目， 我們是否應(yīng)該感激這一切或是感到驚恐？這幾乎是天網(wǎng)! 這一新改進(jìn)的發(fā)布的 PyTorch 肯定會(huì)推動(dòng)事情進(jìn)一步向前! 在下方評(píng)論，隨時(shí)與我們分享您的想法!