Facebook Inc.今天更新了其流行的人工智能軟件框架PyTorch，其中包含對(duì)新功能的支持，這些新功能可將AI模型更無(wú)縫地部署到移動(dòng)設(shè)備。

開(kāi)發(fā)人員可以使用PyTorch 研究和構(gòu)建用于軟件應(yīng)用程序的AI模型，然后借助與領(lǐng)先的公共云平臺(tái)的集成將這些應(yīng)用程序直接用于生產(chǎn)。PyTorch最初是由Facebook的AI研究小組構(gòu)建的，它是針對(duì)編程語(yǔ)言Python的機(jī)器學(xué)習(xí)功能庫(kù)。

它主要設(shè)計(jì)用于深度學(xué)習(xí)，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，試圖模仿人腦的運(yùn)作方式。它在語(yǔ)言翻譯，圖像和語(yǔ)音識(shí)別等領(lǐng)域取得了重大突破。

在移動(dòng)設(shè)備上運(yùn)行機(jī)器學(xué)習(xí)的能力非常重要，因?yàn)閼?yīng)用程序可以從較低的延遲中受益匪淺。如果應(yīng)用程序可以自行處理數(shù)據(jù)而無(wú)需將其發(fā)送到云，那么畢竟，一切將變得更加流暢。

這就是Facebook試圖在最新版本的PyTorch中解決的問(wèn)題，它支持從Python到在iOS和Android上部署的“端到端工作流程”。Facebook的PyTorch團(tuán)隊(duì)在博客文章中表示，這仍然是一項(xiàng)試驗(yàn)性功能，并且仍有很多工作要做，以提高移動(dòng)中央處理器和圖形處理器上機(jī)器學(xué)習(xí)模型的性能。

第二項(xiàng)實(shí)驗(yàn)功能旨在在構(gòu)建機(jī)器學(xué)習(xí)應(yīng)用程序時(shí)更有效地利用服務(wù)器端和設(shè)備上的計(jì)算資源。對(duì)“八位模型量化”的支持的增加是在推理過(guò)程中提高性能的一種努力，在推理過(guò)程中，這是訓(xùn)練有素的機(jī)器學(xué)習(xí)模型得出結(jié)論或做出預(yù)測(cè)時(shí)。量化是指用于以降低的精度執(zhí)行計(jì)算和存儲(chǔ)的技術(shù)。

“為支持在服務(wù)器和邊緣設(shè)備上進(jìn)行更有效的部署，PyTorch 1.3現(xiàn)在使用熟悉的急切模式Python API支持8位模型量化，” PyTorch團(tuán)隊(duì)寫(xiě)道。

PyTorch還獲得了一個(gè)名為Captum的新工具，該工具旨在幫助開(kāi)發(fā)人員更好地理解為什么他們的機(jī)器學(xué)習(xí)模型可以得出一定結(jié)論。

PyTorch團(tuán)隊(duì)寫(xiě)道：“ Captum提供了先進(jìn)的工具，以了解特定神經(jīng)元和層的重要性如何影響模型做出的預(yù)測(cè)?！?“ Captum的算法包括集成的梯度，電導(dǎo)，SmoothGrad和VarGrad以及DeepLift?！?/p>

其他更新包括發(fā)布Detectron2對(duì)象檢測(cè)庫(kù)，以幫助進(jìn)行計(jì)算機(jī)視覺(jué)研究。此外，F(xiàn)acebook還宣布了一個(gè)新的基于社區(qū)的研究項(xiàng)目CrypTen的啟動(dòng)，該項(xiàng)目將探索隱私和安全技術(shù)的實(shí)施，例如安全的多方計(jì)算，受信任的執(zhí)行環(huán)境以及使用PyTorch進(jìn)行的設(shè)備上計(jì)算。

最后，F(xiàn)acebook表示，PyTorch現(xiàn)在支持Google Cloud的Tensor處理單元，以更快地開(kāi)發(fā)和訓(xùn)練機(jī)器學(xué)習(xí)模型：“當(dāng)組裝到稱(chēng)為Cloud TPU Pods的多機(jī)架ML超級(jí)計(jì)算機(jī)中時(shí)，這些TPU可以在數(shù)分鐘或數(shù)小時(shí)內(nèi)完成ML工作負(fù)載;在其他系統(tǒng)上，這些工作負(fù)載以前需要幾天或幾周的時(shí)間?！?/p>

Constellation Research Inc.的分析師Holger Mueller告訴SiliconANGLE，今天的更新顯示Facebook在PyTorch及其相關(guān)服務(wù)方面取得了穩(wěn)步的進(jìn)展。

“不過(guò)，關(guān)鍵問(wèn)題是，與Google的TensorFlow相比，PyTorch能夠彌合多少差距？” 穆勒說(shuō)?！皟烧叨际且苿?dòng)的目標(biāo)，開(kāi)發(fā)人員的采用將提供答案。”