Facebook 在人工智能項目中廣泛使用自己的開源 AI 框架 PyTorch，最近，他們已經發布了 PyTorch 1.0 的預覽版本。

如果你尚不了解，PyTorch 是一個基于 Python 的科學計算庫。

PyTorch 利用 GPU 超強的運算能力 來實現復雜的 張量 計算 和 深度神經網絡。 因此， 它被世界各地的研究人員和開發人員廣泛使用。

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

PyTorch 1.0 候選版本的亮點

候選版本中的一些主要新功能包括：

1、 JIT

JIT 是一個編譯工具集，使研究和生產更加接近。 它包含一個基于 Python 語言的叫做 Torch Script 的腳本語言，也有能使現有代碼與它自己兼容的方法。

2、 全新的 torch.distributed 庫: “C10D”

“C10D” 能夠在不同的后端上啟用異步操作， 并在較慢的網絡上提高性能。

3、 C++ 前端 (實驗性功能)

雖然它被特別提到是一個不穩定的 API （估計是在預發行版中）， 這是一個 PyTorch 后端的純 C++ 接口， 遵循 API 和建立的 Python 前端的體系結構，以實現高性能、低延遲的研究和開發直接安裝在硬件上的 C++ 應用程序。

想要了解更多，可以在 GitHub 上查看完整的 更新說明。

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

在 Linux 上安裝 PyTorch

為了安裝 PyTorch v1.0rc0， 開發人員建議使用 conda， 同時也可以按照本地安裝頁面所示，使用其他方法可以安裝，所有必要的細節詳見文檔。

前提

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

我們已經知道如何安裝和使用 Pip，那就讓我們來了解如何使用 Pip 安裝 PyTorch。

請注意，PyTorch 具有 GPU 和僅限 CPU 的不同安裝包。你應該安裝一個適合你硬件的安裝包。

安裝 PyTorch 的舊版本和穩定版

如果你想在 GPU 機器上安裝穩定版（0.4 版本），使用：

pip install torch torchvision

使用以下兩個命令，來安裝僅用于 CPU 的穩定版：

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

驗證 PyTorch 安裝

使用如下簡單的命令，啟動終端上的 python 控制臺：

python

現在，按行輸入下面的示例代碼以驗證您的安裝：

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

你應該得到如下輸出：

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()

輸出結果應該是：

True

支持 PyTorch 的 AMD GPU 仍在開發中， 因此, 尚未按報告提供完整的測試覆蓋，如果您有 AMD GPU ，請在這里提出建議。

現在讓我們來看看一些廣泛使用 PyTorch 的研究項目：

基于 PyTorch 的持續研究項目

• Detectron: Facebook AI 研究院的軟件系統, 可以智能地進行對象檢測和分類。它之前是基于 Caffe2 的。今年早些時候，Caffe2 和 PyTorch 合力創建了一個研究 + 生產的 PyTorch 1.0
• Unsupervised Sentiment Discovery: 廣泛應用于社交媒體的一些算法
• vid2vid: 逼真的視頻到視頻的轉換
• DeepRecommender 我們在過去的網飛的 AI 文章中介紹了這些系統是如何工作的

領先的 GPU 制造商英偉達在更新這方面最近的發展，你也可以閱讀正在進行的合作的研究。

我們應該如何應對這種 PyTorch 的能力？

想到 Facebook 在社交媒體算法中應用如此令人驚嘆的創新項目， 我們是否應該感激這一切或是感到驚恐？這幾乎是天網! 這一新改進的發布的 PyTorch 肯定會推動事情進一步向前! 在下方評論，隨時與我們分享您的想法!