PyTorch 1.3新功能

命名张量

量化支持

具体的API文档可以参阅：
https://pytorch.org/docs/master/quantization.html

Facebook提供了一个量化的实际案例供开发者参考：
https://pytorch.org/tutorials/advanced/dynamic_quantization_tutorial.html

移动端

1. 大小优化，根据用户需要构建级别优化和选择性编译。

2. 提升了移动CPU和GPU上的性能。

3. 高级API：扩展移动原生API，覆盖常用预处理、将机器学习合并到移动应用需要的集成任务，比如计算机视觉或者NLP的任务。

移动端部署细节：
https://pytorch.org/mobile/home/

新工具

• 可解释性工具Captum
  
  

了解更多：
https://www.captum.ai/

• 加密工具CrypTen

CrypTen的更多细节：
https://ai.facebook.com/blog/crypten-a-new-research-tool-for-secure-machine-learning-with-pytorch

目前CrypTen已经在GitHub上开源：
https://github.com/facebookresearch/crypten

多模AI系统工具

• Detectron2

更多细节：
https://ai.facebook.com/blog/-detectron2-a-pytorch-based-modular-object-detection-library-

GitHub：
https://github.com/facebookresearch/detectron2

• Fairseq的语音扩展

GitHub：
https://github.com/pytorch/fairseq/tree/master/examples/speech_recognition

云端支持

谷歌云TPU

阿里云

硬件生态扩展

回馈AI社区

编辑：于腾凯

校对：林亦霖