作為一家全球互聯網巨頭，Facebook早就涉足人工智能領域，并接連不斷取得突破性成就，幾年前Facebook發(fā)起開源計算機硬件方法Open Compute Project，但Facebook所做的遠不止數據中心合理化。最近，Facebook開源了機器學習（ML）和人工智能（AI）框架：PyTorch,現在，PyTorch 1.0的測試版已發(fā)布。

PyTorch是一個基于Python的科學計算庫,利用圖形處理單元（GPU）的卓越計算能力來執(zhí)行復雜的Tensor計算并實現深度神經網絡。其中包括一些列工具和集成，使其與 Google Cloud、AWS、Azure 的機器學習服務更為兼容。ARM、Nvidia、高通、英特爾也在內核庫集成和跟蹤推理運行時的工具中添加了 PyTorch 支持，因此，深受世界各地的研究人員和開發(fā)人員的青睞。

PyTorch的第一個版本是在一年前推出的。它的速度，生產力和支持動態(tài)圖形等尖端AI模型的能力迅速使其成為流行和重要的AI開發(fā)工具。它有超過110萬的下載量。自 Facebook開源PyTorch以來，該項目贏得了許多支持者。借助亞馬遜網絡服務（AWS），谷歌云和Microsoft Azure提供的更深入的云服務支持，以及與技術提供商ARM，英特爾，IBM，NVIDIA和高通的更緊密集成，開發(fā)人員可以輕松部署PyTorch的兼容軟件，硬件和開發(fā)者工具。

在這個新版本中，PyTorch擁有一個新的混合前端，它可以將模型從極速模式跟蹤編寫到圖形模式，以縮小勘探和生產部署之間的差距。它現在還有一個已改進過的torch.distributed庫，這使得其能在Python和C ++環(huán)境中進行更快的培訓，并能夠用于性能關鍵研究的beta eager模式 C ++接口。這恰好迎合了PyTorch新功能，并被其他技術公司的廣泛接受和整合，現在幾乎所有在AI領域工作人員都采用這種AI / ML框架。

PyTorch 1.0 三大新功能：

一是添加了一個新的混合前端，支持從 Eager 模式到圖形模式的跟蹤和腳本模型，以彌合研究和生產部署之間的差距。

二是一個經過改進的 Torch 分布式庫，可以在 Python 和 C++環(huán)境中實現更快的訓練。

三是添加了針對關鍵性能研究的 Eager 模式 C++接口，將在測試版中發(fā)布。

基于Python的PyTorch 1.0為開發(fā)人員提供了在單一框架內無縫地從研究轉向生產的能力。PyTorch 1.0將PyTorch的研究導向方面與Caffe2（一種流行的深度學習框架）和ONNX（開放式神經網絡交換）的模塊化，以生產為中心的功能 集成在一起，這是一種表示深度學習模型的開放格式。

目前，PyTorch已經應用于Facebook的很多產品之中，例如Facebook在神經網絡上使用AI來每天執(zhí)行60億次翻譯。AWS的大規(guī)模培訓和部署ML模型的完全托管平臺Amazon SageMaker現在提供預配置的PyTorch 1.0環(huán)境，其中包括自動模型調整。

同時，Google Cloud Platform的Deep Learning VM有一個新的PyTorch 1.0 VM映像。這預裝了NVIDIA驅動程序和教程。谷歌還提供云張量處理單元（TPU），這是為ML定制開發(fā)的ML專用集成電路（ASIC）。最后，Microsoft Azure機器學習服務現在允許開發(fā)人員無縫地從本地服務器上的PyTorch模型培訓轉移到Azure云上。

人工智能是Facebook當今的基礎技術，能夠讓現有產品更好，并為全新體驗提供動力。所以對于Facebook來說，PyTorch 1.0只是一個開始，創(chuàng)建和共享更好的AI編程模型，從而接口和自動優(yōu)化才是未來不斷探究的道路，與此同時，Facebook還將會開源許多其他生產AI工具。