Facebook正式宣布了PyTorch v1.1版本即將到來

導(dǎo)語：更強(qiáng)大，更全面

Facebook對(duì)人工智能相關(guān)技術(shù)的長期大規(guī)模投入盡人皆知。這些技術(shù)不僅構(gòu)成了 Facebook獲得盈利的技術(shù)基礎(chǔ)，F(xiàn)acebook也宣稱它們可以幫助Facebook成為一個(gè)更安全、更具包容性、更公平的平臺(tái)。Facebook對(duì)AI方面的成果也相當(dāng)慷慨，不僅秉持著學(xué)術(shù)研究成果全面開放的作風(fēng)，他們開發(fā)的深度學(xué)習(xí)框架PyTorch也易用、親民，在工業(yè)級(jí)應(yīng)用領(lǐng)域大有趕超谷歌TensorFlow之勢(shì)。

近日在 2019年Facebook開發(fā)者大會(huì)「F8」上，F(xiàn)acebook公布了PyTorch的重大更新 1.1版本，同時(shí)還發(fā)布并開源了其它多個(gè)開發(fā)工具，繼續(xù)降低機(jī)器學(xué)習(xí)/深度學(xué)習(xí)模型開發(fā)調(diào)試以及深度學(xué)習(xí)專用硬件設(shè)計(jì)的門檻。雷鋒網(wǎng)(公眾號(hào)：雷鋒網(wǎng))AI 科技評(píng)論把更新主要內(nèi)容介紹如下。

更新更強(qiáng)的 PyTorchv1.1

PyTorch在設(shè)計(jì)之初就兼顧了科研需要的靈活性、模塊性，以及工業(yè)級(jí)應(yīng)用部署需要的穩(wěn)定性和后續(xù)支持，它也具有類似Python的快速執(zhí)行特性以及靈活的網(wǎng)絡(luò)結(jié)構(gòu)動(dòng)態(tài)調(diào)整功能。隨著PyTorch 1.0版本在去年 12 月發(fā)布，它也支持了基于圖（Graph）的運(yùn)行、前后端模塊間的無縫混合運(yùn)行、分布式訓(xùn)練、高效移動(dòng)端部署等功能，此外還可以使用PyTorchJIT（即時(shí)匯編）在圖模式和動(dòng)態(tài)圖模式之間靈活切換。據(jù)Facebook介紹，許多企業(yè)已經(jīng)把AI科研以及計(jì)算機(jī)視覺、對(duì)話系統(tǒng)、工業(yè)優(yōu)化、自動(dòng)駕駛等應(yīng)用遷移到了PyTorch平臺(tái)上運(yùn)行。

如今Facebook正式宣布了 PyTorchv1.1版本即將到來，包含性能提升、提升易用性的新的理解和視覺工具、新的API等。具體更新項(xiàng)目如下：

TensorBoard：TensorBoard是一個(gè)web應(yīng)用套件，含有多種針對(duì)訓(xùn)練過程以及圖的檢查理解工具。PyTorch 1.1中提供了優(yōu)秀的原生支持，可以把TensorBoard 用于可視化以及模型debug。由于是原生支持，只需要一句簡單的「from torch.utils.tensorboard import SummaryWriter」指令就可以調(diào)用。

JIT編譯器：針對(duì)即時(shí)匯編進(jìn)行了多項(xiàng)改進(jìn)，包括多項(xiàng)bug修復(fù)，增加了TorchScript中的多項(xiàng)功能（比如支持辭典、用戶自定義類以及屬性）。

新的API：支持布爾類型張量，以及對(duì)用戶自定義的循環(huán)神經(jīng)網(wǎng)絡(luò)提供更好的支持。

分布式訓(xùn)練：提升了CNN之類常見模型的性能，增加了多設(shè)備模塊的支持，包括在使用分布式數(shù)據(jù)并行化（DDP）的同時(shí)為不同的GPU指定不同的模型，而且開始支持并不是在每次迭代中都使用所有參數(shù)的模型（比如控制流、自適應(yīng)softmax等等）

Facebook也和機(jī)器學(xué)習(xí)社區(qū)內(nèi)的多個(gè)機(jī)構(gòu)合作，孵化更多幫助機(jī)器學(xué)習(xí)工程師們更高效地工作的項(xiàng)目，涉及的方面從提升理解模型的能力一直到用AutoML之類的方法自動(dòng)調(diào)節(jié)模型。

更多生產(chǎn)和科研輔助工具

在宣布PyTorchv1.1版本的同時(shí)，F(xiàn)acebook也一并介紹了幾個(gè)新的開源工具。它們都是已經(jīng)在Facebook大規(guī)模部署的成熟項(xiàng)目，有Facebook自己開發(fā)的工具，也有和谷歌等業(yè)界領(lǐng)路人一同開發(fā)的產(chǎn)品和服務(wù)，都為開放、合作式的機(jī)器學(xué)習(xí)大家庭貢獻(xiàn)了一份力量。其中最為重要的是BoTorch和Ax，F(xiàn)acebook有一篇單獨(dú)的介紹。

BoTorch：這是一個(gè)用于貝葉斯優(yōu)化科研的基于PyTorch的開發(fā)庫。BoTorch使用了模塊化設(shè)計(jì)，并且同時(shí)使用了基于蒙特卡洛的采集功能和PyTorch中的自動(dòng)微分功能，可以極大提升開發(fā)效率。BoTorch可以和任何PyTorch模型集成，這給同時(shí)使用貝葉斯優(yōu)化和深度學(xué)習(xí)的科研帶來了極高的靈活性。另外，貝葉斯優(yōu)化的樣本效率很高，很適合用于測試成本很高的黑盒功能的序列優(yōu)化。

Ax：Ax是一個(gè)便于使用、通用目的設(shè)計(jì)的適應(yīng)性試驗(yàn)平臺(tái)，它可以管理、部署、自動(dòng)化機(jī)器學(xué)習(xí)試驗(yàn)。Ax會(huì)使用BoTorch中的最新功能，為開發(fā)者優(yōu)化產(chǎn)品、優(yōu)化技術(shù)基礎(chǔ)設(shè)施提供更多便捷。Ax也降低了貝葉斯優(yōu)化、多臂抽獎(jiǎng)問題（multiarmed bandit）以及其他復(fù)雜試驗(yàn)技巧的使用門檻，幫助研究人員們更好地把科研想法引入到生產(chǎn)中。

PyTorch-BigGraph：這是一個(gè)為含有數(shù)十億個(gè)節(jié)點(diǎn)、數(shù)千億個(gè)邊的超大規(guī)模圖生成嵌入的分布式系統(tǒng)。它可以支持分片和逆向采樣，并且提供了基于維基百科數(shù)據(jù)嵌入的使用示例。

Google AI Platform Notebooks：這是一個(gè)基于谷歌云平臺(tái)的新的托管JupyterLab服務(wù)。數(shù)據(jù)科學(xué)家們可以快速創(chuàng)建支持運(yùn)行JupyterLab的虛擬機(jī)，其中還預(yù)安裝好了最新的PyTorch。它也和BigQuery、CloudDataproc、CouldDataflow、AIFactory等 GCP服務(wù)緊密整合，開發(fā)者幾乎不需要離開JupyterLab就可以運(yùn)行完成的機(jī)器學(xué)習(xí)全流程。

更多PyTorch學(xué)習(xí)資源

隨著PyTorch漸入佳境，越來越多的教育平臺(tái)也開始提供基于PyTorch的學(xué)習(xí)資源；況且PyTorch靈活動(dòng)態(tài)的編程環(huán)境以及大家熟悉的Python界面都讓它適合快速實(shí)驗(yàn)上手。谷歌Colab如今已經(jīng)提供了交互式的JupyterNotebook環(huán)境，為PyTorch提供了原生支持，開發(fā)者們可以在免費(fèi)的CPU和GPU資源上運(yùn)行任何PyTorch教程。斯坦福自然語言處理小組（StanfordNLP）、加州大學(xué)伯克利分校計(jì)算機(jī)視覺小組、加州理工大學(xué)機(jī)器人課程中都開始把PyTorch作為機(jī)器學(xué)習(xí)編程教學(xué)平臺(tái)，MOOC課程中更是讓成千上萬的PyTorch開發(fā)者得以快速學(xué)習(xí)。

和新版本、新工具一起，F(xiàn)acebook宣布他們和優(yōu)達(dá)學(xué)城（Udacity）建立合作，將在其中的深度學(xué)習(xí)入門課程中加入PyTorch教學(xué)，F(xiàn)acebook還會(huì)提供為繼續(xù)學(xué)習(xí)完整機(jī)器學(xué)習(xí)學(xué)位的參加者提供獎(jiǎng)學(xué)金。Fast.ai也將于今年 6月提供新的使用PyTorch的深度學(xué)習(xí)課程。作為課程內(nèi)容的一部分，fast.ai還會(huì)更新包括fastai.audio庫在內(nèi)的新庫作為PyTorch模塊。