第 2 期
欢迎阅读 PyTorch 通讯的第二期!在本期中,了解我们如何在首届 PyTorch 生态系统日 (PTED) 上庆祝 PyTorch 社区,发现面向 PyTorch 开发者的全新播客,并了解 PyTorch 前端的重大更新。
PyTorch 生态系统日
Piotr Bialecki(英伟达高级软件工程师)讲述了使用 PyTorch 的历程,并展望了 PyTorch 的未来。Miquel Farré(迪士尼高级技术经理)谈到了使用 PyTorch 生态系统对所有迪士尼内容进行标注的 Creative Genome 项目。Ritchie Ng(Hessian Matrix 首席执行官)谈论了亚太地区人工智能的发展,以及如何使用 PyTorch 进行生产级人工智能用例。社区成员通过 71 张海报和弹出式分组会议展示了他们如何使用 PyTorch。查看所有海报,并在此收听开幕主题演讲!
PyTorch 开发者播客
Edward Yang(Facebook AI 研究工程师)讨论了内部开发概念,例如将 C++ 绑定到 Python、调度程序、PyTorch 的库结构等。查看这个新的系列,每集约 15 分钟。 收听 即可,无论您使用哪个播客平台。
前向模式 AD
基于“对偶张量”的前向模式 AD 的核心逻辑现已包含在 PyTorch 中。所有用于操作此类张量的 API、代码生成和视图处理都在master (1.9.0a0)
中。Gradcheck 和第一组公式将在下个月添加;对所有 PyTorch 函数、自定义自动梯度函数和高阶梯度的全面支持将在今年晚些时候实现。详细了解此内容,或与@albanD 分享您的反馈,了解相应的RFC。
将复数共轭设为惰性
PR #54987使对复数张量执行共轭操作会返回一个视图,该视图具有特殊的is_conj()
位被翻转。除了通过不创建完整的张量来节省内存外,如果后续操作可以直接处理共轭输入,则这将有可能加速。对于此类操作(如gemm
),将一个标志传递给低级 API;对于其他操作,将在传递给操作之前先将共轭实例化。
torch.use_deterministic_algorithms 处于稳定状态
torch.use_deterministic_algorithms()
(文档) 处于master (1.9.0a0)
中的稳定状态。如果为 True,则该标志会将非确定性操作切换到其确定性实现(如果可用),否则会抛出RuntimeError
。
torch.linalg 和 torch.special
torch.linalg
现在处于稳定状态;该模块与 NumPy 的 np.linalg 线性代数函数保持一致。torch.special
(测试版)包含 scipy.special 中的函数。这是跟踪问题,如果您想为 torch.special 贡献函数,可以参考。如果您想要列表中尚未包含的函数,请在跟踪问题中告知您的用例以及为什么应该添加该函数。
将 AMP 推广到 CPU
@ezyang: 英特尔有兴趣将自动混合精度带到[RFC] Extend Autocast to CPU/CUDA with BF16 data type · Issue #55374 · pytorch/pytorch ·中的 CPU。一个重大问题是 CPU 上的自动广播的 API 应该是什么;我们应该提供一个单一的、通用化的 API torch.autocast(请记住,CPU 自动广播将通过 bfloat16 进行,而现有的 GPU 自动广播是通过 float16 进行的),还是为 CPU/CUDA 提供单独的 API?如果您对此主题有任何想法或意见,请在该问题中发表您的意见。
您喜欢阅读本通讯吗?您还想了解更多关于哪些内容?欢迎并感谢您提供所有反馈!若要分享您的建议,请使用此表格,或者直接回复此邮件。