PyTorch 1.7发布，支持CUDA 11、Windows分布式训练

昨日，发分布PyTorch 团队发布 PyTorch 1.7 版本。布支该版本增添了很多新特性，式训如支持 CUDA 11、发分布Windows 分布式训练、布支增加了支持快速傅里叶变换(FFT)的式训新型 API 等。

PyTorch 1.7 版本包含很多新的发分布 API，如支持 NumPy 兼容的布支 FFT 操作、性能分析工具，式训以及对基于分布式数据并行(DDP)和基于远程过程调用(RPC)的发分布分布式训练的重要更新。

此外，布支一些特性也更新为稳定版，式训包括自定义 C++ 类、发分布内存分析器、布支通过自定义类张量对象进行扩展、式训RPC 中的用户异步函数，以及 torch.distributed 中的许多其他特性(如 Per-RPC 超时、DDP dynamic bucketing、RRef helper)。

本次更新的亮点包括：

(1) CUDA 11 得到 PyTorch 官方支持;

(2) 对 autograd 分析器，高防服务器更新和添加了 RPC、TorchScript 和堆栈跟踪(Stack trace)的分析和性能;

(3) (测试版)通过 torch.fft 支持 NumPy 兼容的 FFT 操作;

(4) 原型版)支持英伟达 A100 GPU 和原生 TF32 格式;

(5) 原型版)支持 Windows 系统上的分布式训练。

(6) torchvision

(稳定版)transforms 支持张量输入、批处理计算、GPU 和 TorchScript (稳定版)JPEG 和 PNG 格式的原生图像 I/O (测试版)新型视频读取器 API

(7) torchaudio

(稳定版)增加了对语音录制(wav2letter)、文本转语音(WaveRNN)和源分离(ConvTasNet)的支持

(注：从 PyTorch 1.6 版本开始，PyTorch 特性分为 Stable(稳定版)、Beta(测试版)和 Prototype(原型版)。

新特性

PyTorch 1.7 相比之前版本，增加了很多新特性，包括 Python API、C++ API、Autograd、CUDA、量化等多个方面。

例如 Python API 增添了多个新的 namespace、operator 以及 API 扩展，CUDA 增加了 TF32 支持等，量化方面增加了新的量化操作、支持 FP16 量化等。源码库

PyTorch 1.7 部分新特性，详情参见 https://github.com/pytorch/pytorch/releases/tag/v1.7.0。

开发者对 PyTorch 1.7 的态度

有开发者对 PyTorch 1.7「支持 Windows 上的分布式训练」这一新功能表示赞赏：

以及乐见于「PyTorch 对 CUDA 11 的支持」：

依然有人趁机表白 PyTorch，并列出偏好 PyTorch 的原因，如报错易读、代码直观、易于实验。

当然，版本更迭的路似乎永无止境。有开发者提出了自己的需求，例如 fp32 卷积、TensorFlow 有而 PyTorch 没有的 Semantic Versioning：

此时距离 PyTorch 1.6 版本发布仅三个月，不知道 PyTorch 的下一个版本又将带给我们哪些惊喜。

参考链接：

https://pytorch.org/blog/pytorch-1.7-released/ https://github.com/pytorch/pytorch/releases/tag/v1.7.0 https://www.reddit.com/r/MachineLearning/comments/jj4sr7/d_pytorch_17_released_w_cuda_11_new_apis_for_ffts/

【本文是专栏机构“机器之心”的原创译文，微信公众号“机器之心( id: almosthuman2014)”】 

戳这里，看该作者更多好文