传统上，PyTorch 中的功能被分为稳定版或实验版，并隐含了第三种选项：通过构建 master 或安装每夜构建（通过预构建的 whl 文件提供）来测试最新功能。在某些情况下，这导致用户对功能的就绪程度、承诺以及向后兼容性产生了一些困惑。展望未来，我们希望更好地分类这三种类型的功能，并在此明确定义从用户角度来看每种功能的含义。
新功能命名
我们将继续保留三种功能命名，但如前所述，会进行一些更改：稳定版（Stable）、测试版（Beta，以前称为实验版 Experimental）和原型版（Prototype，以前称为每夜版 Nightlies）。以下是每种功能的简要描述以及对预期向后兼容性的评论。
稳定版
此处不变。稳定版功能意味着用户价值已或已被证明，API 不会改变，功能性能良好，并且所有文档都已存在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，通常不应存在重大性能限制、文档空白，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发出通知）。
测试版
我们以前将这些功能称为“实验版”，我们发现这在一些用户中造成了困惑。对于测试版功能，其价值附加值与稳定版功能类似，已得到证实（例如，剪枝是减少神经网络模型参数的常用技术，与我们特定选择的实现细节无关），并且该功能通常可以正常工作并有文档记录。此功能被标记为测试版，因为 API 可能会根据用户反馈而改变，因为性能需要改进，或者因为对运算符的覆盖尚未完整。
承诺级别：我们承诺将该功能推向稳定版。但是，我们不承诺向后兼容。用户可以依赖我们提供该领域问题的解决方案，但此功能的 API 和性能特征可能会改变。
原型版
以前，这些是密切关注 RFC 和在 master 中登陆的功能的开发人员所了解的功能。这些功能是发行版的一部分，并作为 PyPI 或 Conda 等二进制发行版的一部分提供。我们希望在实际发布之前获得高带宽合作伙伴反馈，以评估实用性和我们需要对 UX 进行的任何更改。对于每个原型功能，将提供指向草稿文档或其他说明的指针。
承诺级别：我们承诺只收集高带宽反馈。基于此反馈以及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），但可能处于无法通过高带宽渠道收集反馈的状态，例如，该功能可能处于早期状态，可能进展迅速（PR 登陆速度太快，无法赶上主要版本发布）和/或总体上正在进行积极开发。
现有功能有何变化？
首先，您可以在 pytorch.org/docs 上找到这些命名。我们还将在此处链接任何早期功能以供参考。
此外，以下功能将根据此新规则重新分类
- 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，
Joe, Greg, Woo & Jessica