今天，F(xiàn)acebook正式公布PyTorch 1.0，這個(gè)新的框架將PyTorch 0.4與Caffe2合并，并整合ONNX格式，讓開(kāi)發(fā)者可以無(wú)縫地將AI模型從研究轉(zhuǎn)到生產(chǎn)，而無(wú)需處理遷移。

今天，F(xiàn)acebook正式公布PyTorch 1.0，這是將基于Python的PyTorch與Caffe2合并的一個(gè)新版本的框架，讓開(kāi)發(fā)者可以無(wú)縫地將AI模型從研究轉(zhuǎn)到生產(chǎn)，而無(wú)需處理遷移。

“現(xiàn)在，你只需要使用PyTorch 1.0，就可以在一個(gè)框架中無(wú)縫地進(jìn)行從研究到生產(chǎn)的全部過(guò)程，而不需要為訓(xùn)練/研究和生產(chǎn)分別選擇框架。”Facebook發(fā)言人在F8大會(huì)上說(shuō)。

Facebook去年與微軟合作推出開(kāi)放神經(jīng)網(wǎng)絡(luò)交換（ONNX）格式，這是一個(gè)用于表示深度學(xué)習(xí)模型的標(biāo)準(zhǔn)，旨在使不同框架之間的移動(dòng)更加簡(jiǎn)單?，F(xiàn)在，F(xiàn)acebook已經(jīng)將ONNX整合到PyTorch 1.0中，使模型能夠與其他框架進(jìn)行互操作，并且開(kāi)發(fā)人員可以“混合搭配”。

Facebook還表示，將統(tǒng)一PyTorch 0.4和Caffe2的代碼庫(kù)，以創(chuàng)建一個(gè)統(tǒng)一的框架，支持多種功能，包括高效的圖形模式執(zhí)行、分析、移動(dòng)部署等。

PyTorch 1.0將在未來(lái)幾個(gè)月內(nèi)發(fā)布，據(jù)悉，微軟計(jì)劃在Azure中支持該框架，亞馬遜也將在其云產(chǎn)品中支持PyTorch 1.0。

PyTorch官方博客介紹了PyTorch 1.0的更多細(xì)節(jié)：

生產(chǎn)性：在PyTorch 1.0中，你的代碼可以繼續(xù)按原樣運(yùn)行，我們沒(méi)有對(duì)現(xiàn)有的API做任何大更改。如果你不需要優(yōu)化或?qū)С瞿Ｐ?，則不必使用這些新功能，也不會(huì)有任何缺點(diǎn)。此外，可以逐步使用traced或@script模塊/函數(shù)。

JIT編譯器：使用torch.jit編譯器將模型導(dǎo)出到非Python環(huán)境，并提高其性能。對(duì)于不包含循環(huán)和if語(yǔ)句的網(wǎng)絡(luò)，trace是非侵入式的，并且足夠穩(wěn)健，可以處理各種編碼風(fēng)格；對(duì)于主要使用控制流的模型（如RNN），我們的解決方案是腳本模式（@script）。

優(yōu)化和導(dǎo)出：Caffe2 / ONNX中模型的python-free表示

后端：我們正在替換（或重構(gòu)）后端ATen庫(kù)，以整合來(lái)自Caffe2的功能和優(yōu)化。

Timeline：我們的目標(biāo)是在今年夏天推出PyTorch 1.0。

PyTorch 1.0：一個(gè)框架實(shí)現(xiàn)AI從研究到生產(chǎn)的全過(guò)程

AI的開(kāi)發(fā)從研究到生產(chǎn)的過(guò)程，涉及多個(gè)步驟和工具，這使得測(cè)試新方法、部署它們，以及迭代以提高準(zhǔn)確性和性能都非常耗時(shí)而且復(fù)雜。為了幫助加速和優(yōu)化這個(gè)過(guò)程，我們推出PyTorch 1.0。

PyTorch 1.0采用了Caffe2和ONNX的模塊化、面向生產(chǎn)的功能，并將它們與PyTorch現(xiàn)有的靈活的、側(cè)重于研究的設(shè)計(jì)結(jié)合起來(lái)，為各種AI項(xiàng)目提供從研究原型到生產(chǎn)部署的快速、無(wú)縫的路徑。

使用PyTorch 1.0，AI開(kāi)發(fā)人員可以通過(guò)在命令式執(zhí)行模式和聲明式執(zhí)行模式之間無(wú)縫切換的混合前端進(jìn)行快速實(shí)驗(yàn)和性能優(yōu)化。PyTorch 1.0中的技術(shù)已經(jīng)為Facebook的許多產(chǎn)品和服務(wù)提供支持，包括每天執(zhí)行60億次的文本翻譯。

PyTorch 1.0將在未來(lái)幾個(gè)月內(nèi)推出，并將包含一系列工具、庫(kù)、預(yù)訓(xùn)練的模型和各個(gè)開(kāi)發(fā)階段的數(shù)據(jù)集，使社區(qū)能夠大規(guī)模地快速創(chuàng)建和部署新的AI創(chuàng)新。

從研究到生產(chǎn)的路徑

PyTorch的命令式前端通過(guò)其靈活且高效的編程模型實(shí)現(xiàn)了更快速的原型設(shè)計(jì)和實(shí)驗(yàn)。PyTorch的第一個(gè)版本是在一年前推出的，它的快速、高效和支持動(dòng)態(tài)圖等先進(jìn)AI模型的能力使其迅速成為廣受AI研究人員歡迎的重要開(kāi)發(fā)工具。PyTorch的下載量已經(jīng)超過(guò)110萬(wàn)次，是ArXiv上個(gè)月引用量第二大的深度學(xué)習(xí)框架。例如，加州大學(xué)伯克利分校的計(jì)算機(jī)科學(xué)家將PyTorch的動(dòng)態(tài)圖功能用于他們的CycleGAN image-to-image轉(zhuǎn)換的工作。

CycleGAN的PyTorch實(shí)現(xiàn)

盡管當(dāng)前版本的PyTorch為AI的研究和開(kāi)發(fā)提供了很大的靈活性，但由于它與Python的緊密結(jié)合，在生產(chǎn)規(guī)模上的性能有時(shí)是一個(gè)挑戰(zhàn)。我們經(jīng)常需要將研究代碼（訓(xùn)練腳本或訓(xùn)練模型 ）翻譯成Caffe2的圖形模式表示，以便在生產(chǎn)規(guī)模上運(yùn)行。Caffe2的基于圖形的執(zhí)行程序允許開(kāi)發(fā)者利用先進(jìn)的優(yōu)化方式，例如圖形轉(zhuǎn)換、高效的內(nèi)存重用以及緊密的硬件接口集成。

Caffe2項(xiàng)目是兩年前推出的，目的是使我們的生產(chǎn)AI工具標(biāo)準(zhǔn)化，現(xiàn)在它已經(jīng)在Facebook服務(wù)器和世界范圍超過(guò)10億部手機(jī)上運(yùn)行神經(jīng)網(wǎng)絡(luò)，跨越8代iPhone和6代Android CPU架構(gòu)。今天，Caffe2每天在各種大小模型提供超過(guò)200萬(wàn)億次的預(yù)測(cè)，并優(yōu)化生產(chǎn)性能。

從PyTorch遷移到Caffe2以進(jìn)行生產(chǎn)，以前這是一個(gè)手動(dòng)的過(guò)程，耗時(shí)多且容易出錯(cuò)。為了解決這個(gè)問(wèn)題，我們與主要的硬件和軟件公司合作創(chuàng)建了ONNX（開(kāi)放式神經(jīng)網(wǎng)絡(luò)交換），這是一種表示深度學(xué)習(xí)模式的開(kāi)放式格式。借助ONNX，開(kāi)發(fā)人員可以在不同框架之間共享模型，例如，導(dǎo)出使用PyTorch構(gòu)建的模型并將其導(dǎo)入Caffe2。

我們已經(jīng)使用這些工具（PyTorch，Caffe2和ONNX）來(lái)構(gòu)建和部署Translate，這個(gè)工具現(xiàn)在可以對(duì)Facebook上48種最常用語(yǔ)言的進(jìn)行翻譯。在VR方面，這些工具對(duì)于將Oculus的新研究部署到生產(chǎn)中至關(guān)重要。

但是，盡管這三種不同工具的組合是有效的，但仍然存在手工步驟復(fù)雜、耗費(fèi)時(shí)間長(zhǎng)等問(wèn)題。因此，僅僅是將這些工具組合還無(wú)法像我們期待的那樣無(wú)縫地將AI的研究創(chuàng)新帶入生產(chǎn)過(guò)程。

在一個(gè)框架中統(tǒng)一研究和生產(chǎn)的能力

PyTorch 1.0將即時(shí)模式和圖形執(zhí)行模式融合在一起，為生產(chǎn)的研究和性能優(yōu)化提供了靈活性。更具體地說(shuō)，PyTorch 1.0不是強(qiáng)制開(kāi)發(fā)者重寫整個(gè)代碼以實(shí)現(xiàn)優(yōu)化或從Python遷移，而是提供了一個(gè)混合的前端，使開(kāi)發(fā)者能夠在用于原型制作的即時(shí)模式和用于生產(chǎn)的圖形執(zhí)行模式之間無(wú)縫地共享大部分代碼。

此外，ONNX本身被加入到PyTorch 1.0中作為一種模型輸出格式，這使得PyTorch 1.0中的模型可與其他AI框架進(jìn)行互操作。ONNX還可用作加速運(yùn)行時(shí)間或硬件特定庫(kù)的集成接口。這使得開(kāi)發(fā)人員可以完全自由地混合和匹配最佳的AI框架和工具，而無(wú)需采用資源密集型的定制工程。Facebook將支持ONNX的新特征和功能，ONNX仍然是一種強(qiáng)大的開(kāi)放格式，同時(shí)也是使用PyTorch 1.0進(jìn)行開(kāi)發(fā)的重要組成部分。

構(gòu)建一個(gè)端到端的深度學(xué)習(xí)系統(tǒng)

除了PyTorch 1.0之外，F(xiàn)acebook還開(kāi)源了多個(gè)AI工具，包括Translate——一個(gè)PyTorch語(yǔ)言庫(kù)，用于快速、靈活的神經(jīng)機(jī)器翻譯；以及下一代ELF——一個(gè)綜合的AI推理應(yīng)用游戲平臺(tái)。開(kāi)發(fā)人員還可以利用Glow這樣機(jī)器學(xué)習(xí)編譯器，可以加速不同硬件平臺(tái)上的框架性能；還可以使用Tensor Comprehensions這種自動(dòng)生成高級(jí)數(shù)學(xué)運(yùn)算的高效GPU代碼的工具。Facebook也開(kāi)源了其他庫(kù)，如Detectron，支持對(duì)象檢測(cè)研究，涵蓋了邊界框和對(duì)象實(shí)例分割輸出。

Facebook推出一個(gè)AI開(kāi)發(fā)者網(wǎng)站，列舉了所有這些開(kāi)源工具：

facebook.ai/developers

在接下來(lái)的幾個(gè)月中，我們將重構(gòu)并統(tǒng)一Caffe2和PyTorch 0.4框架的代碼庫(kù)。最終將形成一個(gè)統(tǒng)一的框架，支持高效的圖形模式執(zhí)行，包括profiling，移動(dòng)部署，廣泛的vendor集成等。與ONNX等其他開(kāi)放式AI計(jì)劃一樣，我們也與其他公司和社區(qū)合作，為更多開(kāi)發(fā)者提供這些加速研究的生產(chǎn)能力。首先，微軟計(jì)劃在他們的Azure云和開(kāi)發(fā)者產(chǎn)品中支持PyTorch 1.0，包括Azure機(jī)器學(xué)習(xí)服務(wù)和數(shù)據(jù)科學(xué)虛擬機(jī)；Amazon Web Services目前支持最新版本的PyTorch，針對(duì)P3 GPU實(shí)例進(jìn)行了優(yōu)化，并計(jì)劃在其云產(chǎn)品發(fā)布后不久支持 PyTorch 1.0，其中包括其深度學(xué)習(xí)AMI（Amazon Machine Image）。