PyTorch 1.0 预览版发布：Facebook 最新 AI 开源框架
======

Facebook 在人工智能项目中广泛使用自己的开源 AI 框架 PyTorch，最近，他们已经发布了 PyTorch 1.0 的预览版本。

如果你尚不了解，[PyTorch][1] 是一个基于 Python 的科学计算库。

PyTorch 利用 [GPU 超强的运算能力][2] 来实现复杂的 [张量][3] 计算 和 [深度神经网络][4]。 因此， 它被世界各地的研究人员和开发人员广泛使用。

这一新的可以投入使用的 [预览版][5] 已于 2018 年 10 月 2 日周二在旧金山 [The Midway][7] 举办的 [PyTorch 开发人员大会][6] 宣布。

### PyTorch 1.0 候选版本的亮点

![PyTorhc is Python based open source AI framework from Facebook][8]

候选版本中的一些主要新功能包括：

#### 1、 JIT

JIT 是一个编译工具集，使研究和生产更加接近。 它包含一个基于 Python 语言的叫做 Torch Script 的脚本语言，也有能使现有代码与它自己兼容的方法。

#### 2、 全新的 torch.distributed 库: “C10D”

“C10D” 能够在不同的后端上启用异步操作， 并在较慢的网络上提高性能。

#### 3、 C++ 前端 (实验性功能)

虽然它被特别提到是一个不稳定的 API （估计是在预发行版中）， 这是一个 PyTorch 后端的纯 C++ 接口， 遵循 API 和建立的 Python 前端的体系结构，以实现高性能、低延迟的研究和开发直接安装在硬件上的 C++ 应用程序。

想要了解更多，可以在 GitHub 上查看完整的 [更新说明][9]。

第一个 PyTorch 1.0 的稳定版本将在夏季发布。（LCTT 译注：此信息可能有误）

### 在 Linux 上安装 PyTorch 

为了安装 PyTorch v1.0rc0， 开发人员建议使用 [conda][10]， 同时也可以按照[本地安装页面][11]所示，使用其他方法可以安装，所有必要的细节详见文档。

#### 前提

  * Linux
  * Pip
  * Python
  * [CUDA][12] (对于使用 Nvidia GPU 的用户)

我们已经知道[如何安装和使用 Pip][13]，那就让我们来了解如何使用 Pip 安装 PyTorch。

请注意，PyTorch 具有 GPU 和仅限 CPU 的不同安装包。你应该安装一个适合你硬件的安装包。

#### 安装 PyTorch 的旧版本和稳定版

如果你想在 GPU 机器上安装稳定版（0.4 版本），使用：

```
pip install torch torchvision
```

使用以下两个命令，来安装仅用于 CPU 的稳定版：

```
pip install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl
pip install torchvision
```

#### 安装 PyTorch 1.0 候选版本

使用如下命令安装 PyTorch 1.0 RC GPU 版本：

```
pip install torch_nightly -f https://download.pytorch.org/whl/nightly/cu92/torch_nightly.html
```
如果没有GPU，并且更喜欢使用 仅限 CPU 版本，使用如下命令：

```
pip install torch_nightly -f https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html
```

#### 验证 PyTorch 安装

使用如下简单的命令，启动终端上的 python 控制台：

```
python
```

现在，按行输入下面的示例代码以验证您的安装：

```
from __future__ import print_function
import torch
x = torch.rand(5, 3)
print(x)
```

你应该得到如下输出：

```
tensor([[0.3380, 0.3845, 0.3217],
 [0.8337, 0.9050, 0.2650],
 [0.2979, 0.7141, 0.9069],
 [0.1449, 0.1132, 0.1375],
 [0.4675, 0.3947, 0.1426]])
```

若要检查是否可以使用 PyTorch 的 GPU 功能， 可以使用以下示例代码:

```
import torch
torch.cuda.is_available()
```

输出结果应该是：

```
True
```

支持 PyTorch 的 AMD GPU 仍在开发中， 因此, 尚未按[报告][14]提供完整的测试覆盖，如果您有 AMD GPU ，请在[这里][15]提出建议。

现在让我们来看看一些广泛使用 PyTorch 的研究项目：

### 基于 PyTorch 的持续研究项目

  * [Detectron][16]: Facebook AI 研究院的软件系统, 可以智能地进行对象检测和分类。它之前是基于 Caffe2 的。今年早些时候，Caffe2 和 PyTorch [合力][17]创建了一个研究 + 生产的 PyTorch 1.0
  * [Unsupervised Sentiment Discovery][18]: 广泛应用于社交媒体的一些算法
  * [vid2vid][19]: 逼真的视频到视频的转换
  * [DeepRecommender][20] 我们在过去的[网飞的 AI 文章][21]中介绍了这些系统是如何工作的

领先的 GPU 制造商英伟达在[更新][22]这方面最近的发展，你也可以阅读正在进行的合作的研究。

### 我们应该如何应对这种 PyTorch 的能力？

想到 Facebook 在社交媒体算法中应用如此令人惊叹的创新项目， 我们是否应该感激这一切或是感到惊恐？这几乎是[天网][23]! 这一新改进的发布的 PyTorch 肯定会推动事情进一步向前! 在下方评论，随时与我们分享您的想法!

--------------------------------------------------------------------------------

via: https://itsfoss.com/pytorch-open-source-ai-framework/

作者：[Avimanyu Bandyopadhyay][a]
选题：[lujun9972](https://github.com/lujun9972)
译者：[distant1219](https://github.com/distant1219)
校对：[wxy](https://github.com/wxy)

本文由 [LCTT](https://github.com/LCTT/TranslateProject) 原创编译，[Linux中国](https://linux.cn/) 荣誉推出

[a]: https://itsfoss.com/author/avimanyu/
[1]: https://pytorch.org/
[2]: https://en.wikipedia.org/wiki/General-purpose_computing_on_graphics_processing_units
[3]: https://en.wikipedia.org/wiki/Tensor
[4]: https://www.techopedia.com/definition/32902/deep-neural-network
[5]: https://code.fb.com/ai-research/facebook-accelerates-ai-development-with-new-partners-and-production-capabilities-for-pytorch-1-0
[6]: https://pytorch.fbreg.com/
[7]: https://www.themidwaysf.com/
[8]: https://4bds6hergc-flywheel.netdna-ssl.com/wp-content/uploads/2018/10/pytorch.jpeg
[9]: https://github.com/pytorch/pytorch/releases/tag/v1.0rc0
[10]: https://conda.io/
[11]: https://pytorch.org/get-started/locally/
[12]: https://www.pugetsystems.com/labs/hpc/How-to-install-CUDA-9-2-on-Ubuntu-18-04-1184/
[13]: https://itsfoss.com/install-pip-ubuntu/
[14]: https://github.com/pytorch/pytorch/issues/10657#issuecomment-415067478
[15]: https://rocm.github.io/install.html#installing-from-amd-rocm-repositories
[16]: https://github.com/facebookresearch/Detectron
[17]: https://caffe2.ai/blog/2018/05/02/Caffe2_PyTorch_1_0.html
[18]: https://github.com/NVIDIA/sentiment-discovery
[19]: https://github.com/NVIDIA/vid2vid
[20]: https://github.com/NVIDIA/DeepRecommender/
[21]: https://itsfoss.com/netflix-open-source-ai/
[22]: https://news.developer.nvidia.com/pytorch-1-0-accelerated-on-nvidia-gpus/
[23]: https://en.wikipedia.org/wiki/Skynet_(Terminator)