欢迎阅读 PyTorch 月度简报！
这是您获取最新动态、活动信息和社区见解的首选来源，助您利用 PyTorch 基金会构建创新成果。
PyTorch 2.6 版本发布
我们很高兴地宣布 PyTorch 2.6 正式发布！此版本针对 PT2 进行了多项改进。torch.compile 现已支持 Python 3.13；引入了新的性能调优参数 `torch.compiler.set_stance`；并对 AOTInductor 进行了多项增强。除了 PT2 的改进外，另一个亮点是 X86 CPU 的 FP16 支持。
PyTorch 2.6 在线问答网络研讨会 – 2025年2月7日
对 2.6 版本有疑问？ 欢迎参加我们的实时问答，与 PyTorch 核心维护者 Nikita Shulga (Meta) 一起探讨 PyTorch 2.6。Nikita 是 Meta 的软件工程师，主要负责 PyTorch 的版本发布和持续集成工作。Nikita 致力于赋能开发者社区并不断优化 PyTorch。她拥有莫斯科物理技术学院 (MIPT) 的应用数学硕士学位。欢迎在本次在线问答环节中提出您关于 PyTorch 2.6 的问题。
近期博客、社区博客及案例研究
博客：PyTorch 技术咨询委员会 (TAC) 2025 年优先事项
案例研究：英特尔如何利用 PyTorch 通过 Intel Arc GPU 赋能生成式 AI
社区博客：凝聚 PyTorch 社区力量
PyTorch 成为 AI 和 ML 领域主流开源框架：2024 年度回顾
更多来自 PyTorch 博客与新闻的内容
- 在英特尔® 至强® 处理器上为 PyTorch 2.5 提供 GenAI 加速
- 通过 PyTorch 多设备支持将昇腾后端与 Torchtune 集成
- 适用于 PyTorch 的高性能低比特位算子
- docTR 加入 PyTorch 生态系统：从像素到数据，使用 PyTorch 和 docTR 构建识别管道
- torchcodec：为 PyTorch 提供简单高效的视频解码
近期活动与网络研讨会
未来展望
网络研讨会：PyTorch 2.6 版本实时问答
欢迎参加我们的实时问答，与 PyTorch 核心维护者 Nikita Shulga (Meta) 一起探讨 PyTorch 2.6。欢迎在本次在线问答环节中提出您关于 PyTorch 2.6 的问题。
网络研讨会：PyTorch 专家交流：使用 PyTorch Frame 进行多模态表格深度学习：Akihiro Nitta 将介绍 PyTorch Frame，这是一个用于多模态表格深度学习的模块化框架。2 月 19 日的网络研讨会将重点介绍其用于高效处理稀疏特征的专用数据结构，使 PyTorch Frame 成为现代表格数据处理的必备工具。
PyTorch 2025 大会： 敬请预留档期！2025 年 10 月 22 日至 23 日在旧金山举行，欢迎了解 AI 和 PyTorch，这一全球领先的开源机器学习框架。本次为期两天的活动汇集了顶尖研究人员、开发人员和学术界人士，旨在促进协作并推动端到端机器学习的发展。