脸书甫发表深度学习框架PyTorch 1.0预览版三大公有云表态力挺

脸书在10月3日发表开源深度学习框架PyTorch 1.0预览版，不只是各大硬体晶片厂支援，连三大云端服务供应商Google、微软以及AWS也都在自家服务上全力支援。

PyTorch 1.0为一个开源且强大的深度学习框架，可加速人工智慧研究到开发的流程，目前支援完全混合的Python和C/C++前端，以及原生分散式执行。在脸书建立PyTorch框架生态发展的号召下，除了获得IBM、Intel、Arm、Nvidia及Qualcomm的支持，云端业者也不落人后。

Google提到，他们一直以来的目标，都是朝向支援所有的机器学习使用者，GCP已经整合了数个热门的开源框架到服务中，包括PyTorch、TensorFlow、Scikit-learn和XGBoost。

Google这次对PyTorch整合的内容，包含有深度学习虚拟机器映像档、开源平台Kubeflow、视觉化工具TensorBoard以及Cloud TPU。GCP提供了一组虚拟机器映像档，其中包含使用各种深度学习框架需要的所有资源，之前Google就已经提供一个社群版的PyTorch映象档，而在PyTorch 1.0预览版释出后，则另外增加新版映象档，Google提到，这是使用PyTorch的简单方法，其中含包含了Nvidia驱动程式，还预装了Jupyter Lab，以及PyTorch教学示範。

Kubeflow则是一个开源平台，目的是部署和管理端到端的机器学习工作管线，Kubeflow现在支源PyTorch，其社群已经开发了PyTorch套件包，使用者只需要下两个指令就能部署到Kubeflow中。而目前机器学习视觉化工具套件TensorBoard也正与PyTorch开发人员合作，进行更深入的整合，让使用者可以使用TensorBoard监控PyTorch训练。Google TPU团队也正积极与PyTorch核心开发人员合作，串接PyTorch与Cloud TPU，让PyTorch也能获得Cloud TPU的高效执行能力。目前团队用开源线性代数编译器XLA将PyTorch连接到Cloud TPU，已经成功在Cloud TPU上训练ResNet-50的PyTorch实作。

微软也在整合PyTorch上下了功夫，分别在Azure机器学习服务、资料科学虚拟机器、Azure笔记本以及Visual Studio Code的工具都支援PyTorch。Azure机器学习服务是一个云端服务，帮助资料科学家执行端到端机器学习工作流程。透过服务提供的Python SDK，使用者可以进行训练、超参数调校以及部署PyTorch模型，而且透过Azure机器学习服务的训练功能，还能让使用者无缝将本地端的PyTorch模型转移到Azure上。

Azure专门为资料科学设计的虚拟机器，预安装了一套热门的资料科学和深度学习工具，其中便包含了PyTorch，微软提到，资料科学虚拟机器是使用PyTorch建构模型最方便的方法，其使用GPU的虚拟机器，已经安装了GPU驱动程式和PyTorch的GPU版本，虽然目前PyTorch还是使用0.4.1稳定版，但是使用者也能轻鬆的升级到1.0预览版。

在程式开发工具上，微软版的云端Jupyter笔记本Azure笔记本，预先安装了PyTorch（下图，来源：微软），使用者不需要额外安装框架，就能在浏览器上进行互动式程式开发，而且Azure笔记本还提供最新的PyTorch教学课程，使用者可以直接在上面学习使用PyTorch的方法。

另外，轻量级原始码编辑器Visual Studio Code其人工智慧跨平台扩充套件，提供资料科学家深度学习和人工智慧实验功能，该工具也和Azure机器学习服务紧密整合，使用者可以使用Visual Studio Code提交PyTorch工作给Azure运算、追蹤实验进行，并且部署模型。

而Amazon SageMaker和AWS深度学习AMI也提供了使用者简易的方法，让使用PyTorch 1.0开发的应用，无缝的从研究阶段投入生产。 Amazon SageMaker是一个端到端平台，建构、训练和部署任何规模的机器学习模型，Amazon SageMaker提供了预先配置的环境，其中包含PyTorch 1.0预览版，使用者能够利用PyTorch 1.0所有SageMaker功能，包括自动模型调整。而AWS深度学习AMI则预先内建了PyTorch 1.0、Anaconda和Python套件，能使用CUDA和MKL函式库来加速运算执行个体。