PyTorch 1.0 正式公開，Caffe2併入PyTorch實現AI研究和生產一條龍

今天，Facebook正式公佈PyTorch 1.0，這是將基於Python的PyTorch與Caffe2合併的一個新版本的框架，讓開發者能夠無縫地將AI模型從研究轉到生產，而無需處理遷移

「如今，你只須要使用PyTorch 1.0，就能夠在一個框架中無縫地進行從研究到生產的所有過程，而不須要爲訓練/研究和生產分別選擇框架。」Facebook發言人在F8大會上說。

Facebook去年與微軟合做推出開放神經網絡交換（ONNX）格式，這是一個用於表示深度學習模型的標準，旨在使不一樣框架之間的移動更加簡單。如今，Facebook已經將ONNX整合到PyTorch 1.0中，使模型可以與其餘框架進行互操做，而且開發人員能夠「混合搭配」。

Facebook還表示，將統一PyTorch 0.4和Caffe2的代碼庫，以建立一個統一的框架，支持多種功能，包括高效的圖形模式執行、分析、移動部署等。

PyTorch 1.0將在將來幾個月內發佈，據悉，微軟計劃在Azure中支持該框架，亞馬遜也將在其雲產品中支持PyTorch 1.0。

PyTorch官方博客介紹了PyTorch 1.0的更多細節：

生產性：在PyTorch 1.0中，你的代碼能夠繼續按原樣運行，咱們沒有對現有的API作任何大更改。若是你不須要優化或導出模型，則沒必要使用這些新功能，也不會有任何缺點。此外，能夠逐步使用 traced或@script模塊/函數。
JIT編譯器：使用torch.jit編譯器將模型導出到非Python環境，並提升其性能。對於不包含循環和if語句的網絡，trace是非侵入式的，而且足夠穩健，能夠處理各類編碼風格；對於主要使用控制流的模型（如RNN），咱們的解決方案是腳本模式（@script）。
優化和導出：Caffe2 / ONNX中模型的python-free 表示
後端：咱們正在替換（或重構）後端ATen庫，以整合來自Caffe2的功能和優化。

Timeline：咱們的目標是在今年夏天推出 PyTorch 1.0。

PyTorch 1.0：一個框架實現AI從研究到生產的全過程

AI的開發從研究到生產的過程，涉及多個步驟和工具，這使得測試新方法、部署它們，以及迭代以提升準確性和性能都很是耗時並且複雜。爲了幫助加速和優化這個過程，咱們推出PyTorch 1.0。

PyTorch 1.0採用了Caffe2和ONNX的模塊化、面向生產的功能，並將它們與PyTorch現有的靈活的、側重於研究的設計結合起來，爲各類AI項目提供從研究原型到生產部署的快速、無縫的路徑。

使用PyTorch 1.0，AI開發人員能夠經過在命令式執行模式和聲明式執行模式之間無縫切換的混合前端進行快速實驗和性能優化。PyTorch 1.0中的技術已經爲Facebook的許多產品和服務提供支持，包括天天執行60億次的文本翻譯。

PyTorch 1.0將在將來幾個月內推出，並將包含一系列工具、庫、預訓練的模型和各個開發階段的數據集，使社區可以大規模地快速建立和部署新的AI創新。