PyTorch 1.0 预览版发布：Facebook 最新 AI 开源框架 | Linux 中国

Facebook 在人工智能项目中广泛使用自己的开源 AI 框架 PyTorch，最近，他们已经发布了 PyTorch 1.0 的预览版本。-- Avimanyu Bandyopadhyay

有用的原文链接请访问文末的“ 原文链接”获得可点击的文内链接、全尺寸原图和相关文章。

致谢 编译自　|　
https://itsfoss.com/pytorch-open-source-ai-framework/ 
　作者　|　Avimanyu Bandyopadhyay
　译者　|　distant1219 共计翻译：4.0 篇 贡献时间：98 天

Facebook 在人工智能项目中广泛使用自己的开源 AI 框架 PyTorch，最近，他们已经发布了 PyTorch 1.0 的预览版本。

如果你尚不了解，PyTorch[1] 是一个基于 Python 的科学计算库。

PyTorch 利用 GPU 超强的运算能力[2] 来实现复杂的 张量[3] 计算 和 深度神经网络[4]。 因此， 它被世界各地的研究人员和开发人员广泛使用。

这一新的可以投入使用的 预览版[5] 已于 2018 年 10 月 2 日周二在旧金山 The Midway[6]举办的 PyTorch 开发人员大会[7] 宣布。

PyTorch 1.0 候选版本的亮点

候选版本中的一些主要新功能包括：

1、 JIT

JIT 是一个编译工具集，使研究和生产更加接近。 它包含一个基于 Python 语言的叫做 Torch Script 的脚本语言，也有能使现有代码与它自己兼容的方法。

2、 全新的 torch.distributed 库: “C10D”

“C10D” 能够在不同的后端上启用异步操作， 并在较慢的网络上提高性能。

3、 C++ 前端 (实验性功能)

虽然它被特别提到是一个不稳定的 API （估计是在预发行版中）， 这是一个 PyTorch 后端的纯 C++ 接口， 遵循 API 和建立的 Python 前端的体系结构，以实现高性能、低延迟的研究和开发直接安装在硬件上的 C++ 应用程序。

想要了解更多，可以在 GitHub 上查看完整的 更新说明[8]。

第一个 PyTorch 1.0 的稳定版本将在夏季发布。（LCTT 译注：此信息可能有误）

在 Linux 上安装 PyTorch

为了安装 PyTorch v1.0rc0， 开发人员建议使用 conda[9]， 同时也可以按照本地安装页面[10]所示，使用其他方法可以安装，所有必要的细节详见文档。

前提

◈ Linux◈ Pip◈ Python◈  CUDA [11] (对于使用 Nvidia GPU 的用户)

我们已经知道如何安装和使用 Pip[12]，那就让我们来了解如何使用 Pip 安装 PyTorch。

请注意，PyTorch 具有 GPU 和仅限 CPU 的不同安装包。你应该安装一个适合你硬件的安装包。

安装 PyTorch 的旧版本和稳定版

如果你想在 GPU 机器上安装稳定版（0.4 版本），使用：

1. pip install torch torchvision

使用以下两个命令，来安装仅用于 CPU 的稳定版：

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

2. pip install torchvision

安装 PyTorch 1.0 候选版本

使用如下命令安装 PyTorch 1.0 RC GPU 版本：

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

如果没有GPU，并且更喜欢使用 仅限 CPU 版本，使用如下命令：

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

验证 PyTorch 安装

使用如下简单的命令，启动终端上的 python 控制台：

1. python

现在，按行输入下面的示例代码以验证您的安装：

1. from __future__ import print_function

2. import torch

3. x = torch.rand(5, 3)

4. print(x)

你应该得到如下输出：

1. tensor([[0.3380, 0.3845, 0.3217],

2. [0.8337, 0.9050, 0.2650],

3. [0.2979, 0.7141, 0.9069],

4. [0.1449, 0.1132, 0.1375],

5. [0.4675, 0.3947, 0.1426]])

若要检查是否可以使用 PyTorch 的 GPU 功能， 可以使用以下示例代码:

1. import torch

2. torch.cuda.is_available()

输出结果应该是：

1. True

支持 PyTorch 的 AMD GPU 仍在开发中， 因此, 尚未按报告[13]提供完整的测试覆盖，如果您有 AMD GPU ，请在这里[14]提出建议。

现在让我们来看看一些广泛使用 PyTorch 的研究项目：

基于 PyTorch 的持续研究项目

◈  Detectron [15]: Facebook AI 研究院的软件系统, 可以智能地进行对象检测和分类。它之前是基于 Caffe2 的。今年早些时候，Caffe2 和 PyTorch  合力 [16]创建了一个研究 + 生产的 PyTorch 1.0◈  Unsupervised Sentiment Discovery [17]: 广泛应用于社交媒体的一些算法◈  vid2vid [18]: 逼真的视频到视频的转换◈  DeepRecommender [19] 我们在过去的 网飞的 AI 文章 [20]中介绍了这些系统是如何工作的

领先的 GPU 制造商英伟达在更新[21]这方面最近的发展，你也可以阅读正在进行的合作的研究。

我们应该如何应对这种 PyTorch 的能力？

想到 Facebook 在社交媒体算法中应用如此令人惊叹的创新项目， 我们是否应该感激这一切或是感到惊恐？这几乎是天网[22]! 这一新改进的发布的 PyTorch 肯定会推动事情进一步向前! 在下方评论，随时与我们分享您的想法!

---

via: https://itsfoss.com/pytorch-open-source-ai-framework/

作者：Avimanyu Bandyopadhyay[24] 选题：lujun9972 译者：distant1219 校对：wxy

本文由 LCTT 原创编译，Linux中国 荣誉推出