雷鋒網 AI 科技評論消息，NeurIPS 正在加拿大召開，會上，Facebook 宣佈正式推出 PyTorch 1.0 穩定版，在 Facebook code 博客上，也一併同步了這一消息。雷鋒網 AI 科技評論將內容編譯如下：
隨著 PyTorch 生態系統和社群的不斷髮展，供開發者使用的有意思的新項目和教育資源越來越多，在 NeurIPS 2018 上，Facebook 發佈 PyTorch 1.0 穩定版。在 10 月的 PyTorch 開發者大會上發佈的是最新預覽版，具有面向產品的特徵、支持幾大主流雲平臺等功能。
研究人員和工程師現在可以輕鬆地充分利用開源深度學習框架的新特性，如用於在 eager 執行模式和 graph 執行模式之間無縫轉換的混合前端、改進的分佈式訓練、用於高性能研究的純 C++ 前端以及與雲平臺的深度集成。
PyTorch 1.0 加快了 AI 從研究原型開發到生產部署的工作流程，使這一流程變得更加簡單、更容易開始。就在過去的幾個月裡，我們看到初學者通過新的、豐富的教育項目越來越多地使用 PyTorch，專家們構建出創新的項目，將這一框架從自然語言處理擴展到概率編程等各個領域。
持續增長的 PyTorch 社群
PyTorch 在 2017 年年初推出，很快便成為人工智能研究人員的熱門選擇，他們發現，其靈活、動態的編程環境和用戶友好的界面是快速實驗的理想之選。從那時起，我們看到 PyTorch 社群迅速發展。PyTorch 現在是 GitHub 上增長第二快的開源項目（https://octoverse.github.com/projects），在過去的一年裡，PyTorch 社區的貢獻者增加了 2.8 倍。
非常開心能有以上成長，也非常感謝 PyTorch 社群，感謝所有為代碼庫做出貢獻、提供指導和反饋並使用該框架構建前沿項目的人。我們希望繼續保障開發人員能夠更容易地通過新的教育計劃學習如何使用 PyTorch 構建、訓練和部署機器學習模型。
教育課程讓 AI 開發者聯繫更緊密
上個月，Udacity 和 Facebook 推出了一門新課程——PyTorch 深度學習入門（Introduction to Deep Learning with PyTorch），同樣還推出了 PyTorch 挑戰賽，為持續的 AI 教育提供獎金。在最初的幾個星期裡，已經有成千上萬的學生在網上積極學習了。更重要的是，這些教育課程拉近了開發人員之間的距離，從英國到印度尼西亞，我們看到全球範圍內的開發者自發地開始線下聚會。
所有人都可以在 Udacity 上免費獲取完整課程，開發人員很快就可以在更高級的 AI Nanodegree 課程中繼續 PyTorch 教育。
除了在線教育課程，例如 fast.ai 等組織也提供一些軟件庫來支持開發人員學習如何利用 PyTorch 構建神經網絡。fastai 是一個讓神經網絡的訓練更加快速和準確的庫，自兩個月前發佈以來，它已經在 GitHub 上獲得了 1 萬顆 star。
開發人員們已經利用這個庫做出了一系列成果。例如，Santhosh Shetty 使用 fastai 將災後損傷等級分類的準確率提高了一倍；與傳統方法相比，Alena Harley 將腫瘤常規測序的假陽性率降低了 7 倍；Jason Antic 創建了一個名為 DeOldify 的項目，該項目利用深度學習對舊圖像進行著色和修復。
圖像著色與修復
一些對 PyTorch 進行擴展的新項目
PyTorch 已經被用在圖像識別、機器翻譯等多個領域，我們看到了開發人員社群對這一框架的不斷擴展和支持，例如:
Horovod—分佈式訓練框架，開發人員可以輕鬆地在單 GPU 或多個 GPU 上進行訓練。
PyTorch Geometry ——提供了一組程序和可微分模塊的幾何計算機視覺庫。
TensorBoardX——將 PyTorch 模型記錄到 TensorBoard 的模塊，允許開發人員在訓練模型時使用可視化工具。
此外，Facebook 團隊還在不斷構建和開源 PyTorch 項目，例如 Translate，這是一個基於 Facebook 機器翻譯系統的進行序列到序列模型訓練的庫。
對於那些希望在特定領域迅速開展工作的 AI 開發者來說，PyTorch 的生態系統為他們提供了獲取行業最新前沿研究的便捷途徑 (可以關注 @PyTorch 瞭解最新進展)。隨著 PyTorch 的不斷髮展，我們期待著從社區中發現新的項目。
從雲端開始
為了使 PyTorch 更易於使用，對用戶更加友好，我們繼續深化了與雲平臺和服務的合作，例如 Amazon Web services、Google Cloud Platform 和 Microsoft Azure。就在最近，AWS 推出了支持 PyTorch 的 Amazon SageMaker Neo，允許開發人員在 PyTorch 中構建機器學習模型，只需一次訓練，就可以部署到雲或端的任何地方，在性能上提升兩倍。開發人員現在還可以通過創建一個新的深度學習 VM 實例，在谷歌雲平臺上使用 PyTorch 1.0。
此外，微軟 Azure 機器學習服務現在已經廣泛可用了，它允許數據科學家在 Azure 上無縫訓練、管理和部署 PyTorch 模型。使用該服務的 Python SDK, PyTorch 開發人員可以利用按需分佈式計算功能，用 PyTorch 1.0 大規模訓練模型，加速生產過程。
AI 開發人員可以通過雲合作伙伴或本地安裝輕鬆地開始使用 PyTorch 1.0，並在 PyTorch 網站上按照逐步更新的教程完成任務，例如使用混合前端部署序列到序列模型、訓練一個簡單的聊天機器人等等。大家可以在 PyTorch GitHub 上看到更新文檔。
via：https://code.fb.com/
雷鋒網 AI 科技評論編譯整理。
閱讀更多 雷鋒網 的文章
