年度最大更新！PyTorch 0.4：完全改变API，官方支持Windows
年度最大更新！PyTorch 0.4：完全改变API，官方支持Windows
新智元报道
来源：Pytorch 官网
【新智元导读】今天，PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统。新版本完全改变了API，是本年度最重大的升级。
TensorFlow依旧有王者荣耀，但PyTorch虎视眈眈。
今天，PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统。
PyTorch是在2017年1月由Facebook推出的。它是经典机器学习库Torch框架的一个端口，Torch二进制文件包装于GPU加速的Python。
除了GPU加速和内存使用的高效外，PyTorch受欢迎的主要因素是动态计算图的使用。已经有其他一些不太知名的深度学习框架使用动态计算图，例如Chainer。
动态图的优点在于，图（graph）是由run定义（“define by run”），而不是传统的“define and run”。特别是，在输入可以变化的情况下，例如文本这样的非结构化数据，这非常有用而且高效。
图：PyTorch动态计算图 - 来源：http://pytorch.org/about/
以下为更新内容目录：
- 主要核心变更
Tensor/Variable合并
零维张量
dtypes
迁移指南
- 新功能
- 张量
全面支持高级索引
快速傅立叶变换
- 神经网络
权衡内存计算
bottleneck - 一个在你的代码中识别hotspots的工具
- torch.distributions
24个基本概率分布
增加了cdf，方差，熵，困惑度（perplexity）等。
- 分布式训练
易于使用的Launcher utility
NCCL2后端
- C ++扩展
- Windows支持
- ONNX改进
RNN支持
- 性能改进
- Bug修复
主要核心变化
以下是用户每天使用的最重要的核心功能的更新。
主要变化和潜在的重要更新：
- Tensors 和 Variables 已经合并
- 有些操作会返回0维（标量）Tensors
- 弃用了 volatile flag
改进：
- 添加了 dtypes，devices 和 Numpy 风格的 Tensor 创建函数
- 支持编写与device无关的代码
PyTorch团队编写了一个迁移指南，帮助用户将代码转换为新的API和style。 如果您想要迁移以前版本的PyTorch中的代码。
迁移指南：http://pytorch.org/2018/04/22/0_4_0-migration-guide.html
本部分的内容（主要核心变更）包含在迁移指南中。
合并 Tensor 和 Variable 类
torch.autograd.Variable 和 torch.Tensor 现在是同一类。更确切地说，torch.Tensor 能够跟踪历史并像旧的 Variable 一样运行；Variable 的换行继续像以前一样工作，但返回的对象类型变成 torch.Tensor。这意味着你不再需要将代码中的任何 Variable wrapper。
Tensor 的 type( ) 已经改变
还要注意 Tensor 的 type( ) 不再反映数据类型。使用isinstance（）或 x.type（）来代替：
Windows支持
PyTorch现在正式支持Windows！我们为Python 3.5和3.6提供预编译的Conda二进制文件和pip wheels。Windows上的PyTorch不支持分布式训练，可能比Linux / OSX慢一点，因为Visual Studio支持较早版本的OpenMP。
与往常一样，你可以使用http://pytorch.org上的命令在Windows上安装PyTorch。
这里有一个常见问题解答，可以解答你在Windows上可能遇到的大多数问题：http://pytorch.org/docs/stable/notes/windows.html
更多细节，请参考PyTorch的GitHub页面：https://github.com/pytorch/pytorch/releases/tag/v0.4.0