脸书释出PyTorch 1.0正式版挟丰富生态系助开发者快速上手

脸书在10月的时候释出PyTorch 1.0预览版，而经过了两个月，脸书在NeurIPS会议上，宣布正式发布PyTorch 1.0稳定版。

PyTorch 1.0目标是要加速从人工智慧研究原型设计，转移到生产部署所经历的工作流程，在初次发表时，主打其生产导向的功能，以及云端平台整合。现在PyTorch 1.0稳定版释出，研究人员和工程师，可以利用开源深度学习框架PyTorch 1.0的稳定功能，包括用于Eager和Graph执行模式之间无缝转换的混合前端（Hybrid front-end）、为高效能研究而生的纯C++前端，以及改进的分散式训练。

PyTorch也受到主要云端供应商AWS、GCP和Azure的强力支援，与平台进行了深度整合。AWS推出了支援PyTorch 1.0的Amazon SageMaker Neo，允许开发人员在在PyTorch中建构机器学习模型，只要训练一次就能在云端或是边缘应用部署。Google也推出深度学习虚拟机器执行个体，让使用者能在GCP上试用PyTorch 1.0。另外， Azure机器学习服务允许资料科学家在Azure上训练、管理和部署PyTorch模型。

人工智慧开发人员可以透过云端或是本机安装，轻鬆的开始使用PyTorch 1.0，并跟着PyTorch网站上手把手的教程，执行像是建构训练聊天机器人等工作。

而现在有越来越多的专案，围绕着PyTorch向外发展，像是10月fast.ai释出基于PyTorch的深度学习函式库fastai，而随着PyTorch 1.0的释出，官方还提到了Horovod、PyTorch Geometry以及TensorBoardX三个专案。Horovod是一个分散式训练框架，让开发人员可以简单地採用单GPU程式，在多重GPU上快速训练。

PyTorch Geometry则是PyTorch的几何电脑视觉函式库，提供了一组例行和可微分模组。TensorBoardX用于将PyTorch的模型纪录到TensorBoard的模组中，允许开发人员使用可视觉化工具进行模型训练。另外，脸书也为PyTorch建构了应用专案，例如Translate是一个基于脸书机器翻译系统的序列到序列模型训练函式库。

另外，PyTorch现在也已经有丰富的教学课程，引导开发者快速上手使用PyTorch。线上学习网站Udacity和脸书推出了PyTorch深度学习简介的课程，所有人都可以免费观看学习，该课程还伴随了一项PyTorch挑战计画，为人工智慧教育提供奖学金。不久之后，开发者还能在付费的Udacity AI Nanodegree计画，获取更多进阶的PyTorch教学课程。

脸书提到，已经有不少开发者使用PyTorch函式库，开发了优秀的应用，在医学应用上，有开发者使用fastai函式库，将灾难后损伤等级分类的最佳準确度提高1倍，还成功提升肿瘤侦测的正确性，比起传统方法假阳性率降低了7倍。DeOldify则是用深度学习来修复并上色旧照片。PyTorch社群正蓬勃发展，现在是GitHub上成长速度第二快的开源专案，过去12个月贡献者人数成长了2.8倍。