2021 年 3 月 9 日
宣布 PyTorch 生态系统日
我们自豪地宣布我们首届 PyTorch 生态系统日。这是一场完全聚焦于我们的生态系统和行业 PyTorch 社区的虚拟一日活动！PyTorch 是学术界和公司选择的深度学习框架，这都得益于其丰富的工具和强大的社区。正如我们的开发者一样，我们的生态系统合作伙伴在社区的开发和成长中发挥着关键作用。我们将举办首届 PyTorch 生态系统日，这是一场虚拟活动，旨在...
2021 年 3 月 4 日
PyTorch 1.8 版本发布，包括编译器和分布式训练更新以及新的移动教程
我们很高兴地宣布 PyTorch 1.8 版本的可用性。这个版本自 1.7 版本以来包含了 3000 多个提交。它包括编译、代码优化、科学计算前端 API 以及通过 pytorch.org 提供的二进制文件对 AMD ROCm 的支持的重大更新和新功能。它还提供了针对大规模训练的改进功能，包括管道和模型并行性以及梯度压缩。其中一些亮点包括：支持在 Python 中进行...
2021 年 3 月 4 日
新发布的 PyTorch 库，包括 TorchVision Mobile、TorchAudio I/O 等
今天，我们宣布了 PyTorch 1.8 版本发布的同时，对多个 PyTorch 库进行了更新。这些更新包括领域库（如 TorchVision、TorchText 和 TorchAudio）的新版本以及 TorchCSPRNG 的新版本。这些发布包括许多新功能和改进，与 PyTorch 1.8 版本一起，为 PyTorch 社区提供了广泛的新功能，以便构建和利用。一些亮点包括：TorchVision - 添加了对...
2021 年 3 月 3 日
PyTorch 的 torch.fft 模块：使用 Autograd 加速的快速傅里叶变换
快速傅里叶变换（FFT）以 O(n log n)的时间复杂度计算离散傅里叶变换。由于它使得在信号的“频域”中工作与在空间或时间域中工作一样容易，因此 FFT 是众多数值算法和信号处理技术的基石。作为 PyTorch 支持硬件加速深度学习和科学计算目标的一部分，我们投入了改进我们的 FFT 支持，并在 PyTorch 1.8 版本中发布...
2020 年 11 月 12 日
现已提供原型功能 - 硬件加速移动和 ARM64 构建的 API
今天，我们宣布了四个 PyTorch 原型功能。其中前三个将使移动机器学习开发者能够在系统级芯片（SOC）的全部硬件（HW）引擎上执行模型。这为开发者提供了优化模型执行以实现独特性能、功耗和系统级并发的选项。这些功能包括以下设备级 HW 引擎的执行启用：使用 Android 神经网络 API（NNAPI）的 DSP 和 NPUs，以及...
2020 年 11 月 01 日
宣布 PyTorch 开发者日 2020
从今年开始，我们计划举办两个针对 PyTorch 的独立活动：一个是为开发者和用户讨论核心技术发展、想法和路线图的活动，称为“开发者日”；另一个是为 PyTorch 生态系统和行业社区展示他们的工作并发现合作机会的活动，称为“生态系统日”（定于 2021 年初）。PyTorch 开发者日（#PTD2）将于 2020 年 11 月 12 日（美国太平洋时间上午 8 点）拉开帷幕，全天进行各种技术主题的演讲...
2020 年 10 月 27 日
PyTorch 1.7 版本发布，支持 CUDA 11，新增 FFT API，Windows 分布式训练支持等
今天，我们宣布 PyTorch 1.7 版本及其领域库更新可用。PyTorch 1.7 版本包括许多新 API，包括支持 NumPy 兼容的 FFT 操作、性能分析工具，以及分布式数据并行（DDP）和基于远程过程调用（RPC）的分布式训练的重大更新。此外，一些功能已移至稳定版，包括自定义 C++类、内存分析器、通过自定义张量对象扩展、用户异步函数等...
