Facebook Inc.今天更新了其流行的人工智能軟件框架PyTorch，其中包含對新功能的支持，這些新功能可將AI模型更無縫地部署到移動設備。

開發人員可以使用PyTorch 研究和構建用于軟件應用程序的AI模型，然后借助與領先的公共云平臺的集成將這些應用程序直接用于生產。PyTorch最初是由Facebook的AI研究小組構建的，它是針對編程語言Python的機器學習功能庫。

它主要設計用于深度學習，深度學習是機器學習的一個分支，試圖模仿人腦的運作方式。它在語言翻譯，圖像和語音識別等領域取得了重大突破。

在移動設備上運行機器學習的能力非常重要，因為應用程序可以從較低的延遲中受益匪淺。如果應用程序可以自行處理數據而無需將其發送到云，那么畢竟，一切將變得更加流暢。

這就是Facebook試圖在最新版本的PyTorch中解決的問題，它支持從Python到在iOS和Android上部署的“端到端工作流程”。Facebook的PyTorch團隊在博客文章中表示，這仍然是一項試驗性功能，并且仍有很多工作要做，以提高移動中央處理器和圖形處理器上機器學習模型的性能。

第二項實驗功能旨在在構建機器學習應用程序時更有效地利用服務器端和設備上的計算資源。對“八位模型量化”的支持的增加是在推理過程中提高性能的一種努力，在推理過程中，這是訓練有素的機器學習模型得出結論或做出預測時。量化是指用于以降低的精度執行計算和存儲的技術。

“為支持在服務器和邊緣設備上進行更有效的部署，PyTorch 1.3現在使用熟悉的急切模式Python API支持8位模型量化，” PyTorch團隊寫道。

PyTorch還獲得了一個名為Captum的新工具，該工具旨在幫助開發人員更好地理解為什么他們的機器學習模型可以得出一定結論。

PyTorch團隊寫道：“ Captum提供了先進的工具，以了解特定神經元和層的重要性如何影響模型做出的預測。” “ Captum的算法包括集成的梯度，電導，SmoothGrad和VarGrad以及DeepLift。”

其他更新包括發布Detectron2對象檢測庫，以幫助進行計算機視覺研究。此外，Facebook還宣布了一個新的基于社區的研究項目CrypTen的啟動，該項目將探索隱私和安全技術的實施，例如安全的多方計算，受信任的執行環境以及使用PyTorch進行的設備上計算。

最后，Facebook表示，PyTorch現在支持Google Cloud的Tensor處理單元，以更快地開發和訓練機器學習模型：“當組裝到稱為Cloud TPU Pods的多機架ML超級計算機中時，這些TPU可以在數分鐘或數小時內完成ML工作負載;在其他系統上，這些工作負載以前需要幾天或幾周的時間。”

Constellation Research Inc.的分析師Holger Mueller告訴SiliconANGLE，今天的更新顯示Facebook在PyTorch及其相關服務方面取得了穩步的進展。

“不過，關鍵問題是，與Google的TensorFlow相比，PyTorch能夠彌合多少差距？” 穆勒說?！皟烧叨际且苿拥哪繕耍_發人員的采用將提供答案?！?/p>