PyTorch是针对使用GPU和CPU进行深度学习的优化张量库，现已进行了更新，其中增加了几个主要的新API和改进功能，以及新的和更新的库。
PyTorch的目标是利用GPU的功能来替代NumPy，同时提供可提供最大灵活性和速度的深度学习研究平台。
新版本PyTorch 1.5包括对C ++前端的重大更新，用于计算机视觉模型的“通道最后”存储格式，以及用于模型并行训练的分布式RPC框架的稳定版本。该发行版还提供了针对粗麻布和雅各布派的autograd的新API，以及一个允许创建受pybind启发的Custom C ++类的API。
C ++前端API意味着用户可以将其模型从Python API转换为C ++ API，从而使模型创作体验更加流畅。这项工作克服了问题，包括优化程序在C ++和Python中的行为方式之间的差异。另一个问题是C ++中缺少张量多维度索引API，现在无需解决即可实现。
此版本还添加了新的API，用于将自定义C ++类同时绑定到TorchScript和Python。开发人员说，此API的语法与pybind11几乎相同。它允许用户向TorchScript类型系统和运行时系统公开其C ++类及其方法，以便他们可以实例化和操作TorchScript和Python中的任意C ++对象。
在其他地方，新的“ channels last”内存布局提供了一种使用性能高效的卷积算法和硬件的方法，例如Nvidia的Tensor Core，FBGEMM和QNNPACK。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。