來源：Pytorch 官網

【新智元導讀】今天，PyTorch官方在GitHub發布0.4.0版本，最重要的改進是支持Windows系統。新版本完全改變了API，是本年度最重大的升級。

TensorFlow依舊有王者榮耀，但PyTorch虎視眈眈。

今天，PyTorch官方在GitHub發布0.4.0版本，最重要的改進是支持Windows系統。

PyTorch是在2017年1月由Facebook推出的。它是經典機器學習庫Torch框架的一個埠，Torch二進位文件包裝於GPU加速的Python。

除了GPU加速和內存使用的高效外，PyTorch受歡迎的主要因素是動態計算圖的使用。已經有其他一些不太知名的深度學習框架使用動態計算圖，例如Chainer。

動態圖的優點在於，圖（graph）是由run定義（「define by run」），而不是傳統的「define and run」。特別是，在輸入可以變化的情況下，例如文本這樣的非結構化數據，這非常有用而且高效。

圖：PyTorch動態計算圖 - 來源：http://pytorch.org/about/

以下為更新內容目錄：

• 主要核心變更

Tensor/Variable合併

零維張量

dtypes

遷移指南

• 新功能

• 張量

全面支持高級索引

快速傅立葉變換

• 神經網路

權衡內存計算

bottleneck - 一個在你的代碼中識別hotspots的工具

• torch.distributions

24個基本概率分布

增加了cdf，方差，熵，困惑度（perplexity）等。

• 分散式訓練

易於使用的Launcher utility

NCCL2後端

• C ++擴展

• Windows支持

• ONNX改進

RNN支持

• 性能改進

• Bug修復

主要核心變化

以下是用戶每天使用的最重要的核心功能的更新。

主要變化和潛在的重要更新：

• Tensors 和 Variables已經合併

• 有些操作會返回0維（標量）Tensors

• 棄用了 volatile flag

改進：

• 添加了 dtypes，devices和 Numpy 風格的 Tensor 創建函數

• 支持編寫與device無關的代碼

PyTorch團隊編寫了一個遷移指南，幫助用戶將代碼轉換為新的API和style。 如果您想要遷移以前版本的PyTorch中的代碼。

遷移指南：http://pytorch.org/2018/04/22/0_4_0-migration-guide.html

本部分的內容（主要核心變更）包含在遷移指南中。

合併 Tensor 和 Variable 類

torch.autograd.Variable 和 torch.Tensor 現在是同一類。更確切地說，torch.Tensor 能夠跟蹤歷史並像舊的 Variable 一樣運行；Variable 的換行繼續像以前一樣工作，但返回的對象類型變成 torch.Tensor。這意味著你不再需要將代碼中的任何 Variable wrapper。

Tensor 的 type( ) 已經改變

還要注意 Tensor 的 type( ) 不再反映數據類型。使用isinstance（）或 x.type（）來代替：

Windows支持

PyTorch現在正式支持Windows！我們為Python 3.5和3.6提供預編譯的Conda二進位文件和pip wheels。Windows上的PyTorch不支持分散式訓練，可能比Linux / OSX慢一點，因為Visual Studio支持較早版本的OpenMP。

與往常一樣，你可以使用http://pytorch.org上的命令在Windows上安裝PyTorch。

這裡有一個常見問題解答，可以解答你在Windows上可能遇到的大多數問題：http://pytorch.org/docs/stable/notes/windows.html

更多細節，請參考PyTorch的GitHub頁面：https://github.com/pytorch/pytorch/releases/tag/v0.4.0

【加入社群】

新智元 AI 技術 + 產業社群招募中，歡迎對 AI 技術 + 產業落地感興趣的同學，加小助手微信號: aiera2015_1 入群；通過審核後我們將邀請進群，加入社群後務必修改群備註（姓名 - 公司 - 職位；專業群審核較嚴，敬請諒解）。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！