上海砍人2022最新资讯与PyTorch v11 重大更新TensorBoard已加入豪华套餐犹如天
在最新的技术进展中，Facebook展示了其对人工智能领域持续投入的决心。这些技术不仅构成了公司盈利的关键，也帮助Facebook成为一个更安全、包容和公平的平台。除了开放学术研究成果，Facebook还开发了深度学习框架PyTorch，使其易用且亲民，为工业级应用提供竞争力。
最近，在2019年的F8开发者大会上，Facebook宣布了PyTorch 1.1版本的大幅更新，并开源了一系列工具，以降低机器学习和深度学习模型开发调试以及专用硬件设计的门槛。雷锋网AI科技评论详细介绍了这些更新内容。
首先是PyTorch v1.1，它既满足科研需要灵活性和模块性，又适合工业级部署稳定性和后续支持。此外，它具有Python快速执行特性及网络结构动态调整功能。在去年12月发布的PyTorch 0版本之后，还支持基于图运行、前后端无缝混合运行、分布式训练、高效移动端部署等功能。而且可以使用JIT（即时汇编）在图模式与动态图模式之间切换。许多企业已经将AI科研及计算机视觉、对话系统、工业优化自动驾驶等应用迁移到了PyTorch平台上。
现在，Facebook正式宣布即将推出PyTorch v1.1版本，这一新版本包含性能提升、新理解与视觉工具、新API等多项更新具体内容如下：
TensorBoard：这是一个用于可视化模型调试以及训练过程检查理解工具，其原生支持使得只需简单指令即可调用。
JIT编译器：针对即时汇编进行改进，包括多项bug修复及增加 TorchScript 中多项功能。
新API：支持布尔类型张量，以及为用户自定义循环神经网络提供更好的支持。
分布式训练：提升CNN类常见模型性能，加强多设备模块支持，如分布式数据并行化(DPP)同时指定不同GPU参数，并开始支持非每次迭代使用所有参数模型。
此外，Facebook还孵化了一些项目来帮助工程师工作高效，从提升理解能力到AutoML自动调节模型，一直涉及生产辅助工具。此时，与谷歌合作的一些产品也被开放给社区贡献力量，其中BoTorch和Ax两个重要开源库被单独介绍：
BoTorch：是一个基于PyTorch开发贝叶斯优化研究库，可极大提高开发效率，可以集成任何PyTorch模型，对于测试成本高黑盒功能序列优化非常适宜。
Ax：是一个通用目的适应性实验平台，可以管理、部署自动机器学习试验，同时利用BoTorch最新功能为开发者提供更多便捷，将贝叶斯优化、大规模问题简化，让研究人员把想法引入生产环境。
最后还有几个新开源工具如BigGraph（超大规模图生成嵌入系统）、Google AI Platform Notebooks（基于GCP托管JupyterLab服务），以及教育平台对于这款框架越来越多地提供资源，如谷歌Colab免费CPU/GPU资源运行任何教程，以及Stanford NLP小组加州大学伯克利分校CV小组加州理工大学机器人课程都采用作为教学平台。此外Udacity深度学习课程加入奖学金，并有Fast.ai计划今年6月推出的新的使用 Pytorch 的深度学习课程。
