2022 年 3 月 10 日
PyTorch 1.11、TorchData 和 functorch 现已推出
我们非常高兴地宣布 PyTorch 1.11（发布说明）的发布。这次发布自 1.10 以来包含了超过 3300 个提交，由 434 位贡献者完成。除了 1.11 版本，我们还发布了 TorchData 和 functorch 的 beta 版本。总结：TorchData 是一个新的库，用于提供常见的模块化数据加载原语，以便轻松构建灵活且高效的数据管道。在 GitHub 上查看。functorch 是一个为 PyTorch 添加可组合函数转换的库，现在已可用在...
2022 年 3 月 10 日
介绍 TorchRec 以及其他 PyTorch 1.11 中的领域库更新
我们在 PyTorch 1.11 发布的同时，推出了 TorchRec 的 beta 版本以及当前 PyTorch 领域库的众多改进。这些更新展示了我们致力于开发跨所有领域的通用和可扩展的 API，以使我们的社区更容易在 PyTorch 上构建生态系统项目。亮点包括：TorchRec，一个用于推荐系统的 PyTorch 领域库，现已提供 beta 版本。在 GitHub 上查看。TorchAudio - 添加了 Enformer 和 RNN-T-ba...
2022 年 3 月 2 日
使用 PyTorch/XLA 在 Cloud TPU 上理解 LazyTensor 系统性能
PyTorch 的核心原则包括易用性、表达性和可调试性。易用性的一个关键驱动因素是 PyTorch 的执行默认是“急切”的，即逐个操作执行保留了程序的命令式特性。然而，急切执行不提供基于编译器的优化，例如，当计算可以表示为图时进行的优化。LazyTensor [1] 首次在 PyTorch/XLA 中引入，有助于结合这些看似...
2022 年 2 月 24 日
案例研究：亚马逊广告利用 PyTorch 和 AWS Inferentia 扩展广告处理模型
亚马逊广告使用 PyTorch、TorchServe 和 AWS Inferentia 将推理成本降低 71%，并推动扩展。亚马逊广告帮助公司建立品牌并与购物者建立联系，包括在亚马逊商店内外展示的广告，涵盖 15 多个国家的网站、应用程序和流媒体电视内容。所有规模的企业和品牌，包括注册卖家、供应商、书籍供应商、Kindle Direct Publishing (KDP) 作者、应用程序开发人员和代理机构都可以上传自己的...
2022 年 2 月 23 日
介绍 TorchRec，一个现代生产推荐系统库
我们非常高兴地宣布推出 TorchRec，这是一个用于推荐系统的 PyTorch 领域库。这个新库提供了常见的稀疏性和并行性原语，使研究人员能够构建最先进的个性化模型并将它们部署到生产环境中。我们是如何走到这一步的？推荐系统（RecSys）在今天的生产部署 AI 中占据很大一部分，但您可能从 GitHub 上看不到这一点。与视觉和 NLP 等领域的创新相比，许多正在进行中的创新...
2022 年 2 月 8 日
PyTorch 中的实用量化
量化是一种简单且经济的手段，可以使您的深度神经网络运行得更快，并且具有更低的内存需求。PyTorch 提供了几种不同的方法来量化您的模型。在这篇博客文章中，我们将快速介绍深度学习中的量化基础，然后看看每种技术在实践中是如何表现的。最后，我们将总结文献中关于在您的流程中使用量化的建议。图 1. PyTorch <3 量化 内容 量化基础...
2021 年 12 月 22 日
介绍 TorchVision 的新多权重支持 API
TorchVision 为构建支持多权重的模型提供了一个向后兼容的 API。新的 API 允许在相同的模型变体上加载不同的预训练权重，跟踪关键元数据，如分类标签，并包括使用模型所需的预处理转换。在这篇博客文章中，我们计划回顾原型 API，展示其功能，并突出与现有 API 的关键差异。我们希望得到您的想法关于...
