PyTorch发布0.4.0版本,附赠升级指南
极客时间编辑部
讲述:丁婵大小:1.41M时长:03:05
近日,PyTorch 官方在 GitHub 上发布了 0.4.0 版本,这一次更新是从 0.3.1 升级到 0.4.0。新版本做了非常多的改进,其中最重要的改进就是官方终于支持 Windows 系统了。
之前,在没有官方支持时,开发者们在 Windows 上安装 PyTorch 需要借助其它开发者发布的第三方 Conda 包,而现在可以直接在 PyTorch 首页上获取使用 Conda 或 pip 安装的命令行,或者跟随教程使用源文件安装。
不过值得注意的是,Windows 上的 PyTorch 不支持分布式训练,这可能比 Linux 或 OSX 慢一点,因为 VS 支持较早版本的 OpenMP。
除了支持 Windows 外,0.4.0 版的 PyTorch 还重点权衡了计算中的内存、支持多种概率分布、优化数据类型和修正张量等。
据介绍,PyTorch 0.4.0 带来了很多令人兴奋的新特性和一些重要的 Bug 修复,旨在为用户提供更好、更干净的接口。在这篇升级指南中,主要介绍了从旧版本 PyTorch 升级到最新版本时需要做出的重要改动:
合并 Tensor 和 Variable 到同一个类中,更确切地说,torch.tensor 可以用于跟踪历史,并具有和旧 Variable 一样的行为。Variable 基本不变,只是返回类型变成了 torch.tensor,这意味着开发者不再需要在代码中使用 Variable 包装器了。
在合并后,开发者仍然可以继续使用 y=x.data 方式,它的语义保持不变。
支持零维度(标量)Tensor,可以使用新的 torch.tensor 函数来创建标量。
Volatile 标志现在已经被弃用。之前,autograd 不会跟踪任何包含 volatile=True 的 Variable 计算,现在可以通过一组更灵活的上下文管理器来实现相同的功能。
新版本中引入了 torch.dtype、torch.device 和 torch.layout 类,可以通过 NumPy 风格的创建函数更好地管理这些属性。
现在创建 Tensor 时,可以指定 Tensor 的 dtype、device、layout 和 requires_grad 选项。
编写具有设备无关性的代码,其中,PyTorch 0.4.0 通过两种方式实现了设备无关性:一是通过 device 属性获得所有 Tensor 的 torch.device,二是 Tensor 和 Module 的 to 方法可以将对象轻松移动到不同的设备上。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》,如需阅读全部文章,
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论