「炼丹」师的福音！支持AMD GPU，PyTorch 1.8来了！

来源：新智元

PyTorch是一个开源的Python机器学习库。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch，用于自然语言处理等应用程序。

近日，Facebook发布了PyTorch 1.8新版本，加入了对AMD ROCm的支持，可以不用去配置Docker在原生环境下运行。

其中一些重大更新包括：

支持通过 torch.fx进行函数转换；

增加和调整 API以支持 FFT( torch.fft )、线性代数函数( torch.linalg )

添加了复杂张量自动求导（autograd）的支持，并提升了矩阵计算 hessian 和 jacobian 的能力；

对分布式训练进行了重大更新和改进，包括：改进 NCCL 可靠性，支持管道并行，RPC 分析，支持添加梯度压缩的通讯 钩子。

在PyTorch 1.8版本中，官方对一些PyTorch库也进行了相应的更新，主要包括 TorchCSPRNG、TorchVision、TorchText 和 TorchAudio。

PyTorch 1.8版本中的功能分为稳定版 (Stable)、测试版 (Beta) 和原型版 (Prototype)。

新增及更新 API

新增及更新 API 包括：与 NumPy 兼容的额外 API，及在推理和训练时方面，提高代码性能的额外 API。

PyTorch 1.8 主要更新功能简介：

[稳定版] Torch.fft 支持高性能 NumPy 中的 FFT

实现了 NumPy np.ft 功能的同时，还支持硬件加速和 autograd

[测试版] torch.linalg 将支持 NumPy 中的线性代数函

为常见的线性代数运算提供与 NumPy 类似的支持，支持 Cholesky 分解、 行列式、特征值等功能。

[测试版] 利用 FX 进行 Pthon 代码转换。

增强分布式训练

PyTorch 1.8支持稳定的异步错误/超时处理，以提高 NCCL 稳定性；

此外，还增加了对管道并行的支持，可将数据拆解成更小的块以提高并行计算效率。

并可以通过 DDP 中的通讯钩子进行梯度压缩，用于控制如何在workers之间同步梯度。

此外，PyTorch 1.8 还增加了一些 prototype 特性，具体如下：

ZeroRedundancyOptimizer：有助于减少每个线程的内存占用；

进程组 NCCL 发送/接收：允许用户在 Python 层（而非 C++ 层）实现集合操作；

RPC 中用 TensorPipe 支持 CUDA：为使用 PyTorch RPC 和多 GPU 机器的用户带来速度提升；

远程模块：允许用户像操作本地模块那样操作远程 worker 上的模块。

PyTorch 移动端

本次更新发布了图像分割模型DeepLabV3在安卓和IOS，能更好地帮助新用户将 PyTorch 模型部署在移动端。

PyTorch 移动端新增教程包括：

iOS 端用 DeepLabV3 进行图像分割

Android 端用 DeepLabV3 进行图像分割

同时为老用户提供开发工具，让其更得心应手地用PyTorch 进行移动端开发。

性能优化工具

新增测试版benchmark utils ，使用户能够更轻松地监控模型性能。还开放了一个自动量化 API，能改进 Eager Mode Quantization。

Benchmark utils

Benchmark utils 允许用户进行精确的性能测量，并提供组合工具，帮助制定基准和进行后期处理。

FX Graph Mode Quantization

新增的自动量化 API，它通过增加函数支持和自动化量化过程，改进 Eager Mode Quantization。

硬件支持

PyTorch 1.8 版本新增了两个 测试版本特性

强化 PyTorch Dispatcher 的能力，使其适应 C++ 中后端开发

支持用户在 pytorch/pytorch repo 之外创建新的树外设备，并与本地 PyTorch 设备保持同步。

AMD GPU 二进制文件现已推出

新增对 ROCm wheel 的支持。

需要注意的是，PyTorch 1.8 仅在 Linux 系统中支持 AMD ROCm。

参考资料：

https://www.phoronix.com/scan.php?page=news_item&px=PyTorch-1.8-Released

https://pytorch.org/blog/pytorch-1.8-released/

https://twitter.com/cHHillee/status/1367621538791317504

（声明：本文仅代表作者观点，不代表新浪网立场。）