溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要為大家展示了“PyTorch 1.3有什么新功能”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“PyTorch 1.3有什么新功能”這篇文章吧。
2019.10.10日，PyTorch 開發者大會在美國舊金山開幕，會上發布了PyTorch 1.3。這次更新最大的亮點在于對移動設備的支持（Mobile Supported）、命名張量（Named Tensors），量化（Quantization），類型提升（Type Promotion）等。另外，PyTorch 官方還開源了很多新工具和庫，涉及可解釋性、加密、以及關于圖像語音的諸多功能。下面會逐一介紹。
Windows的CPU版本安裝：
pip3 install torch==1.3.0+cpu torchvision==0.4.1+cpu -f https://download.pytorch.org/whl/torch_stable.html
其他版本安裝請參考：
https://pytorch.org/get-started/locally/
PyTorch 1.3也增加了Cloud TPU和阿里云支持。
移動端支持（Mobile Support）
PyTorch 1.3 支持TorchScript直接在移動端進行推理（inference），而不需要任何轉換。當然移動端訓練（train）目前還是不支持的。
另外，針對fp32和int8做了一些優化：
- 一些fp32的運算在ARM的CPU上做了特定優化（基于Caffe2Go）
- 一些int8的運算在ARM的CPU上做了特定優化（基于QNNPACK）
PyTorch移動端支持的特色在于沒有為移動端建立新的框架（對比TensorFlow lite），所有TorchScript的API都可以直接在Android/iOS上運行。
但目前只是試驗性質的發布，仍需要不斷發展使得PyTorch對于特定的場景更小，更快。
命名張量（Named Tensor）
Named Tensor對Tensor的每一個維度指定具體的名字，這樣可以使Tensor易用性更好。例如：
>>> tensor = torch.zeros(2, 3, names=('C', 'N'))
tensor([[0., 0., 0.],
[0., 0., 0.]], names=('C', 'N'))
這樣就新建了一個dim=2的Tensor，兩個維度分別為’C’和’N’，這樣后續就可以直接使用’C’和’N’對Tensor進行操作，而不用使用以前的axis=0或者axis=1這種可讀性不好的操作。
量化支持
PyTorch 1.3支持Tensor的量化操作，用戶可以方便地
x = torch.rand(10,1, dtype=torch.float32)
# xq 是量化后的向量，數據類型記為 quint8
xq = torch.quantize_per_tensor(x, scale = 0.5, zero_point = 8, dtype=torch.quint8)
# 再轉換回浮點數
xdq = x.dequantize()
以上是“PyTorch 1.3有什么新功能”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
