PyTorch1.8正式支持AMD，炼丹不必NVIDIA

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

1.8版本中，官方终于加入了对AMD ROCm的支持，可以方便的在原生环境下运行，不用去配置Docker了。

AMD ROCm只支持Linux操作系统

1.8版本集合了自2020年10月1.7发布以来的超过3000次GitHub提交。

此外，本次更新还有诸多亮点：

相关的库TorchCSPRNG, TorchVision, TorchText和TorchAudio也会随之更新。

要注意的是，自1.6起，Pytorch新特性将分为Stable、Beta、Prototype三种版本。其中Prototype不会包含到稳定发行版中，需要从Nightly版本自行编译。

Python to Python函数转换

新增的Beta特性torch.fx可以实现Python到Python的函数转换，可以方便的加入任何工作流程。

1.7版本中增加的Beta特性torch.fft已成为正式特性。实现了与Numpy中的np.fft类似的快速傅立叶变换，还增加了硬件加速支持与自动求导，以更好的支持科学计算。

还增加了Beta版NumPy风格的线性代数模块torch.linalg，支持Cholesky分解、行列式、特征值等功能。

增加了稳定的异步错误与超时处理，增加NCCL的可靠性。

增加了Beta版的流水线并行功能*（Pipeline Parallelism）*，可将数据拆解成更小的块以提高并行计算效率。

Pipeline Parallelism使用4个GPU时的工作示意图

增加Beta版的DDP通讯钩子，用于控制如何在workers之间同步梯度。

另外还有一些Prototype版的分布式训练新特性。

ZeroRedundancyOptimizer：用于减少所有参与进程的内存占用。

Process Group NCCL Send/Recv：让用户可在Python而不是C++上进行集合运算。

CUDA-support in RPC using TensorPipe：增加对N卡多卡运算的效率。

Remote Module：让用户像操作本地模块一样操作远程模块。

随本次更新发布了图像分割模型DeepLabV3在安卓和IOS上的详细教程。

以及图像分割、目标检测、神经机器翻译等在安卓和IOS上的演示程序，方便大家更快上手。

另外还有PyTorch Mobile Lite Interpreter解释器，可以减少运行时文件的大小。

增加Beta版的Benchmark utils，用户可以进行精确的性能测试。

以及Prototype版的FX Graph Mode Quantization，实现了量化过程的自动化。

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容