PyTorch 最新版發布:API 變動,增加新特徵,多項運算和載入速度提升
新智元編譯
API 改變
torch.range 已被棄用,取代的是 torch.arange,這與 numpy 和 python 範圍一致。
在稀疏張量上,contiguous 被重命名為 coalesce,coalesce 已經不合適。(注意 Sparse API 仍然是實驗性而且在演變中,所以我們不提供向後兼容性)。
新的特徵
新的層和函數
torch.topk 現在支持所有 CUDA 類型,不僅是 torch.cuda.FloatTensor。
增加了一個 三路排序損失:nn.TripletMarginLoss
增加了每個實例的歸一化層:nn.InstanceNorm1d, nn.InstanceNorm2d, nn.InstanceNorm3d
每個通道都被作為一個實例進行歸一化處理,並進行均值消減和標準差。這在處理需要類似 BatchNorm 效果的較大的圖像和較小的 mini-batches 時很有用。
增加了 nn.ZeroPad2d 和 nn.ConstantPad2d
增加了 nn.Bilinear,計算 Y = X1 * W * X2 + b
支持所有函數的負維
使用維度參數的每個函數也允許採取負維(negative dimensions)。負維將索引上個維度的張量。
例如:
這裡,由於x具有3維,並且dim = -1,因此最後一個維度,即 dim = 3 被採用來得到平均值。
具有維度參數的函數有:
CUDA 支持稀疏張量,更快的 CPU sparse
新版本中 torch.sparse API 的一部分也支持 torch.cuda.sparse。* Tensor。
CUDA 支持的函數有:
利用這些稀疏函數,nn.Embedding 現在也在 CUDA 上支持 sparse(使用 sparse = True 標誌)。
一種新的混合矩陣乘法 hspmm,將稀疏矩陣與密集矩陣相乘,並以混合張量的形式(即1個稀疏維度,1個密集維度)返回1個矩陣。
幾個CPU稀疏函數具有更高效的實現。
這裡有一個嵌入式分類器訓練腳本,作者是@martinraison,我們可以對比 CUDA sparse 和 CUDA dense 的表現。(http://t.cn/RaZcltA)
named_parameters 過濾特定的參數類型
假設你想為模型除 biases 外的所有參數增加權重衰減(weight decay),怎樣只獲得模型的 biases?
這裡我們引入了 nn.Module.named_parameters,它結合 named_children 和 named_modules 來幫助過濾模型的特定屬性。
例子:過濾一個模型的 biases, weight_decay 為0
性能提升
在適當的情況下,通過使用一些 thrust primitives,cumsum 和 cumprod 在GPU上顯著加快了。
通過一個 fused kernel,LSTMCell 和 GRUCELL 在GPU上顯著加快了。
CuDNN 的默認演算法更改為 PRECOMP_GEMM,這是一個更快的演算法,需要的工作空間很小。這個之前是 IMPLICIT_GEMM,佔用的工作空間為0,但是慢很多。
通過將 batches 直接整到共享內存中,數據載入速度提升了 5%~10%。
通過分治法(sgesdd)在 GPU 上計算 SVD,加速了2~5倍。
常用的函數 expand 移到 C,在較小的模型中具有更好的性能。
Bug 修復
Added contiguous checks on weight and bias for a large range of THNN functions
make the range of random_ correct when both lower and upper bound are specified
parallel_apply now can take arguments that are unhashable
Reshape grad correctly in the Dot function (inputs don"t have to be 1D vectors...)
Added Variable.type_as
Unify argument names of norm and renorm to have p=norm_type, dim=dim
btrisolve works on CPU doubles
ipython autocomplete for torch.nn.Module fixed via implementing __dir__
device_ids can now be None again in F.data_parallel and will use all available GPUs
workaround cudnn bugs in BatchNorm (<5.1.10) and Dilation (6.0.20)
Padding bugfix in Conv1d CPU
remainder and cremainder are fixed for integer types
fix memory leak in btrisolve and getri
If nn.Module"s source cant be retrieved because of any exception,
handle serialization to be non-fatal
collate_fn now retains the type of the numpy array
is_tensor and is_storage are now fixed for old-style Python classes
torch.cat now supports keyword arguments
CUDA collectives supported coalescing, but the inputs were all assumed
to be of the same Tensor type. This is fixed.
Fix a deadlock bug in autograd because of an underlying glibc bug in specific
linux distros (ArchLinux in particular)
abs is now fixed for char and short cuda types
fix torch.diag autograd when giving a dimension argument
fix grouped convolution on CPU when bias=False
expose dilated convolutions for ConvTranspose*d
Fix a bug in HingeEmbeddingLoss where margin can now be specified via kwargs
新智元招聘
職位:客戶經理
職位年薪:12 - 25萬(工資+獎金)
工作地點:北京-海淀區
所屬部門:客戶部
彙報對象:客戶總監
工作年限:3 年
語 言:英語 + 普通話
學歷要求:全日制統招本科
職位描述:
精準把握客戶需求和公司品牌定位,策劃撰寫合作方案;
思維活躍、富有創意,文字駕馭能力強,熟練使用PPT,具有良好的視覺欣賞及表現能力,PS 能力優秀者最佳;
熱情開朗,擅長人際交往,良好的溝通和協作能力,具有團隊精神;
優秀的活動籌備與執行能力,較強的抗壓能力和應變能力,適應高強度工作;
有4A、公關公司工作經歷優先;
對高科技尤其是人工智慧領域有強烈興趣者加分。
崗位職責:
參與、管理、跟進上級指派的項目進展,確保計劃落實。制定、參與或協助上層執行相關的政策和制度。定期向公司提供準確的市場資訊及所屬客戶信息,分析客戶需求,維護與指定公司關鍵顧客的關係,積極尋求機會發展新的業務。建立並管理客戶資料庫,跟蹤分析相關信息。
應聘郵箱:jobs@aiera.com.cn
HR微信:13552313024
新智元歡迎有志之士前來面試,更多招聘崗位請點擊【新智元招聘】查看。
TAG:新智元 |
※Dirac在2018MWC發布第二代Dirac VR技術 動態HRTFs、多維度還原和更高效運算
※谷歌開源TensorNetwork資料庫,加快運算速度百倍!
※Facebook新研究優化硬體浮點運算,強化AI模型運行速率
※國產芯首發升級Android 8.1 NNAPI SDK AI運算性能飆升
※讓你的Photoshop 運算速度可提升最高 75%!蘋果Apple 推出首部 8 核 MacBook Pro
※NVIDIA Tesla P40 24GB 深度學習 GPU運算卡 正品現貨
※利用Chan-Vese模型和Sobel運算對重疊葉片進行圖像分割
※Gyrfalcon Technology入局AI晶元戰場,研發存儲計算融合一體的本地並行AI運算架構
※基於INTEL FPGA硬浮點DSP實現卷積運算
※基於 Tensorflow 輕鬆實現 XOR 運算!| CSDN 博文精選
※TITAN V 被曝科學運算 Bug
※SQLite AND/OR 運算符
※MongoDB 中的「加減乘除」運算
※基於 Tensorflow 輕鬆實現 XOR 運算!
※聯發科P90正式發布,AI算力升級,運算性能大幅度提高
※Python入門基礎之面向對象四:運算符重載
※英特爾建立生態圈,推動視覺運算平台OpenVINO
※「嚇死人技術」榮耀Play搶先用華為GPU Turbo提升手機運算效率
※黃仁勛悄然發布新運算顯卡 性能提升不止一個TITAN Xp
※NVIDIA心涼涼 TITAN V翻車了 科學運算彈BUG