PyTorch1.3有什么新功能
这篇文章主要为大家展示了“PyTorch 1.3有什么新功能”,内容简而易懂,条理清晰,希望能够帮助大家解决疑惑,下面让小编带领大家一起研究并学习一下“PyTorch 1.3有什么新功能”这篇文章吧。
网站设计制作过程拒绝使用模板建站;使用PHP+MYSQL原生开发可交付网站源代码;符合网站优化排名的后台管理系统;成都网站设计、成都网站制作收费合理;免费进行网站备案等企业网站建设一条龙服务.我们是一家持续稳定运营了十载的成都创新互联公司网站建设公司。
2019.10.10日,PyTorch 开发者大会在美国旧金山开幕,会上发布了PyTorch 1.3。这次更新最大的亮点在于对移动设备的支持(Mobile Supported)、命名张量(Named Tensors),量化(Quantization),类型提升(Type Promotion)等。另外,PyTorch 官方还开源了很多新工具和库,涉及可解释性、加密、以及关于图像语音的诸多功能。下面会逐一介绍。
Windows的CPU版本安装:
pip3 install torch==1.3.0+cpu torchvision==0.4.1+cpu -f https://download.pytorch.org/whl/torch_stable.html
其他版本安装请参考:
https://pytorch.org/get-started/locally/
PyTorch 1.3也增加了Cloud TPU和阿里云支持。
移动端支持(Mobile Support)
PyTorch 1.3 支持TorchScript直接在移动端进行推理(inference),而不需要任何转换。当然移动端训练(train)目前还是不支持的。
另外,针对fp32和int8做了一些优化:
- 一些fp32的运算在ARM的CPU上做了特定优化(基于Caffe2Go)
- 一些int8的运算在ARM的CPU上做了特定优化(基于QNNPACK)
PyTorch移动端支持的特色在于没有为移动端建立新的框架(对比TensorFlow lite),所有TorchScript的API都可以直接在Android/iOS上运行。
但目前只是试验性质的发布,仍需要不断发展使得PyTorch对于特定的场景更小,更快。
命名张量(Named Tensor)
Named Tensor对Tensor的每一个维度指定具体的名字,这样可以使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'))
这样就新建了一个dim=2的Tensor,两个维度分别为’C’和’N’,这样后续就可以直接使用’C’和’N’对Tensor进行操作,而不用使用以前的axis=0或者axis=1这种可读性不好的操作。
量化支持
PyTorch 1.3支持Tensor的量化操作,用户可以方便地
x = torch.rand(10,1, dtype=torch.float32)
# xq 是量化后的向量,数据类型记为 quint8
xq = torch.quantize_per_tensor(x, scale = 0.5, zero_point = 8, dtype=torch.quint8)
# 再转换回浮点数
xdq = x.dequantize()
以上是“PyTorch 1.3有什么新功能”这篇文章的所有内容,感谢各位的阅读!相信大家都有了一定的了解,希望分享的内容对大家有所帮助,如果还想学习更多知识,欢迎关注创新互联行业资讯频道!
分享文章:PyTorch1.3有什么新功能
网址分享:http://scyanting.com/article/pshico.html