2020 年 4 月 21 日
PyTorch 库更新，包括新的模型服务库
随着 PyTorch 1.5 版本的发布，我们宣布推出新的高性能 PyTorch 模型服务库，并与 TorchElastic 和 Kubernetes 紧密集成。此外，我们还发布了 torch_xla（Google Cloud TPUs）、torchaudio、torchvision 和 torchtext 的更新包。所有这些新库和增强功能今天即可使用，并伴随 PyTorch 1.5 发布的核心功能。TorchServe（实验性）TorchServe 是一个灵活且易于使用的...
2020 年 4 月 21 日
PyTorch 1.5 版本发布，包括新的和更新的 API，以及与 Python 的 C++前端 API 兼容性
今天，我们宣布 PyTorch 1.5 的可用性，以及新的和更新的库。这次发布包括几个重要的新 API 添加和改进。PyTorch 现在包括对 C++前端的重要更新，计算机视觉模型的“通道最后”内存格式，以及用于模型并行训练的分布式 RPC 框架的稳定发布。该版本还包括用于自动微分 hessians 和 jacobians 的新 API，以及允许创建自定义 C++的 API...
2020 年 3 月 26 日
PyTorch 量化入门
在开发机器学习应用时，高效利用服务器端和设备端的计算资源非常重要。为了支持在服务器和边缘设备上的更高效部署，PyTorch 添加了对使用熟悉的即时模式 Python API 进行模型量化的支持。量化利用 8 位整数（int8）指令来减小模型大小并加快推理速度（降低延迟），这可能是模型实现服务质量目标之间的区别...
2020 年 1 月 15 日
PyTorch 1.4 版本发布，领域库更新
今天，我们宣布 PyTorch 1.4 版本的可用性，以及 PyTorch 领域库的更新。这些发布基于 NeurIPS 2019 的公告，我们在那里分享了 PyTorch Elastic 的可用性，这是一个新的图像和视频分类框架，以及 Preferred Networks 加入 PyTorch 社区。对于参加了 NeurIPS 研讨会的人来说，内容可以在这里找到。PyTorch 1.4 版本 PyTorch 1.4 版本增加了新的功能，包括...
2019 年 12 月 6 日
PyTorch 新增工具和库，欢迎 Preferred Networks 加入其社区
PyTorch 继续被用于下周在 NeurIPS 会议上展示的最新最先进的研究，占引用框架的论文近 70%。此外，我们很高兴欢迎 Preferred Networks 加入 PyTorch 社区，他们是 Chainer 框架的维护者。他们的团队正在全面转向 PyTorch 来开发他们的机器学习能力和服务。这种增长支撑了 PyTorch 专注于满足研究社区需求，并不断增加...
2019 年 10 月 10 日
PyTorch 1.3 版本增加了移动、隐私、量化以及命名张量等功能。
PyTorch 因其专注于满足研究人员的需求、简化生产流程以及得到 AI 社区的积极支持而持续增长。据 O'Reilly 指出，仅 2019 年上半年，ArXiv 上关于 PyTorch 的论文引用量增长了 194%，平台上的贡献者数量在过去一年中增长了超过 50%，达到近 1200 人。Facebook、Microsoft、Uber 以及其他组织...
