传统上，PyTorch 中的功能被分为稳定版或实验版，通过构建 master 或安装每夜构建（通过预构建的 whl 文件提供）来测试前沿功能则作为隐含的第三个选项。在一些情况下，这导致了用户对于功能的成熟度、投入程度以及向后兼容性产生了一些困惑。展望未来，我们希望更好地对这三类功能进行分类，并在此明确定义从用户角度来看每种分类的含义。
新功能命名
我们将继续为功能设置三种分类，但如前所述，会有一些变化：稳定版、测试版（以前的实验版）和原型版（以前的每夜构建版）。下面是对每种分类的简要描述以及对预期向后兼容性的说明
稳定版
此部分没有变化。稳定功能意味着其用户价值已得到或已被证明，API 预计不会改变，功能性能良好，并且所有文档都已到位，以支持最终用户采用。
承诺级别：我们期望长期维护这些功能，并且通常不应存在主要的性能限制、文档缺失，我们也期望保持向后兼容性（尽管可能会发生破坏性更改，并且会提前一个版本给出通知）。
测试版
我们以前将这些功能称为“实验性”，我们发现这给一些用户造成了困惑。对于测试版功能，其价值增值（与稳定版功能类似）已得到证明（例如，剪枝是减少神经网络模型参数数量的常用技术，与我们具体选择的实现细节无关），并且该功能通常可以工作并有文档记录。此功能被标记为测试版，是因为 API 可能会根据用户反馈而改变，性能需要改进，或者操作符覆盖范围尚不完整。
承诺级别：我们致力于将此功能推进到稳定分类。但是，我们不承诺向后兼容性。用户可以依赖我们在此领域提供解决方案，但此功能的 API 和性能特性可能会发生变化。
原型版
以前，这些是密切关注 RFCs 和 master 分支功能的开发者才知道的功能。这些功能是版本的一部分，并通过 PyPI 或 Conda 等二进制分发提供。我们希望在正式发布之前获得高带宽合作伙伴的反馈，以评估实用性以及我们需要对用户体验进行的任何更改。对于每个原型功能，将提供指向文档草稿或其他说明的指针。
承诺级别：我们仅致力于收集高带宽反馈。根据这些反馈和社区成员之间潜在的进一步互动，我们作为一个社区将决定是否要提升承诺级别或快速失败。此外，虽然其中一些功能可能更具推测性（例如新的前端 API），但其他功能具有明显的实用性（例如模型优化），但可能处于一种不适合通过高带宽渠道以外方式收集反馈的状态，例如，该功能可能处于早期阶段，可能进展迅速（PR 提交速度过快，无法赶上主要版本），和/或通常正在积极开发中。
现有功能有何变化？
首先，您可以在 pytorch.org/docs 上找到这些分类。我们还将在此处链接任何早期阶段的功能以供清晰。
此外，以下功能将根据此新分类法进行重新分类
- 高级自动微分 API：测试版（原实验版）
- 即时模式量化：测试版（原实验版）
- 命名张量：原型版（原实验版）
- TorchScript/RPC：原型版（原实验版）
- 通道优先内存布局：测试版（原实验版）
- 自定义 C++ 类：测试版（原实验版）
- PyTorch Mobile：测试版（原实验版）
- Java 绑定：测试版（原实验版）
- Torch.Sparse：测试版（原实验版）
祝好，
乔、格雷格、吴和杰西卡