PyTorch大更新!谷歌出手帮助开发,正式支持TensorBoard | 附5大开源项目

大家又少了一个用TensorFlow的理由。

在一年一度的开发者大会F8上,Facebook放出PyTorch的1.1版本,直指TensorFlow“腹地”。

不仅宣布支持TensorFlow的可视化工具TensorBoard,还正式向工业界迈进,为生产环境改进了PyTorch处理分布式训练的方式。

而且,根据Facebook介绍,开发这一版本的过程中谷歌还帮了不少忙。

科技媒体TechCrunch评论称,虽然版本号只从1.0到1.1的变化,但依旧非常重要。

此外,围绕着打造“开发和协作的AI社区”的愿景,Facebook还介绍了5大开源工具。

同时,他们也分享了Facebook在自家程序中应用AI的情况,以及对AI研究的展望。

下面,我们一个个来看~

Pytorch大更新

与2018年12月正式发布的Pytorch1.0相比,这次发布的1.1版本提高了性能,并增加了新的模型理解和可视化工具,来提高可用性,还提供了新的API。

其中,最重要的功能是支持TensorBoard,它是谷歌为TensorFlow打造的可视化工具,能够帮助开发人员评估和调试模型。

根据Facebook介绍,在开发这一功能的时候,他们与谷歌有非常密切的合作。

现在,Pytorch使用一个简单的“from torch.utils.TensorBoard import SummaryWriter”命令来支持TensorBoard。

其他的更新还有:

  • Jit编译器:改进了Just-in-time(JIT)编译。包括各种错误的修复以及TorchScript中扩展的功能,例如对字典、用户类和属性的支持。
  • 新API:支持布尔张量,更好地支持自定义循环神经网络。
  • 分布式训练:改进了常见模型(如CNN)的性能,增加了对多设备模块的支持,包括在仍使用分布式数据并行(DDP)的情况下跨GPU分割模型的能力,以及对并非所有参数都用于每次迭代的模块的支持(如控制流,如自适应SoftMax等)。

关于本次更新,Pytorch在下面的GitHub文档中进行了详细的解释,请收好传送门: https://github.com/pytorch/pytorch/releases/tag/v1.1.0

对于这次更新,PyTorch的产品经理Joe Spisa表示,他们并不是要将PyTorch变成金钱,而是希望PyTorch拥有一个社区。

他表示,现在这个社区正开始从一个以研究为中心的社区生产型的社区转变,而且转变速度也在快速增长。

PyTorch路线图的下一步是,以更少的比特数运行神经网络,实现更快的CPU和GPU性能,并支持AI从业者创建命名张量维数。

5大开源工具

为了更好地建设AI社区,今年的F8大会上,Facebook还开源了5大工具:Ax、BoTorch、idb、Memscout、Mvfst。

Ax

Ax是一个可访问的通用自适应实验平台,用于管理、部署和自动化实验。

该平台利用BoTorch提供的最新进展,使开发人员更容易优化其产品和基础设施。Ax还降低了贝叶斯优化(Bayesian optimization)、多臂老虎机(multiarmed bandit)和其他复杂实验技术的门槛,帮助研究人员将想法从研究转向生产。

地址:https://ax.dev/

BoTorch

BoTorch是PyTorch上的贝叶斯优化软件库,为Ax优化模型参数提供支持。

BoTorch将模块化设计和PyTorch的自动微分特性基于蒙特卡罗的提取函数使用相结合,显著提高了开发人员的效率。

BoTorch具有与任何PyTorch模型集成的能力,在贝叶斯优化和深度学习中实现高度灵活性、便利的研究。

地址:https://botorch.org/

以上两种工具已经在Facebook内部大规模部署,Facebook用它们改善信息流推荐和视频播放。

idb

idb(iOS development bridge)是自动化iOS模拟器和设备的命令行界面。它提供的简单原始的API,轻松构建复杂的工作流。idb还有客户机-服务器架构,可以更容易地在一组机器之间分配工作。

地址:https://github.com/facebook/idb

Memscout

Memscout是一个分析工具,它是jemalloc内存分配器的伴侣。Memscout为正在运行的流程的解释jemalloc统计文件(JSON格式)原始数据,并突出显示相关指标。

它会发现分配器的低效率,并提供对流程内存分配模式的深入观察,然后提供可用于快速诊断与内存相关的性能问题的统计信息。

地址:https://github.com/facebookincubator/memscout

Mvfst

Mvfst是QUIC传输协议的实现。mvfst的目标是构建最灵活、高性能的传输协议,让应用程序可以适应互联网上和数据中心内的用例。

它的特性包括流多路复用、0-RTT连接的建立,更好的损失恢复、从头开始的安全性以及灵活的拥塞控制。

地址:https://github.com/facebookincubator/mvfst

用AI改善用户体验

Facebook信息流可以说是国外的“朋友圈”,里面有太多的假新闻和有害信息,扎克伯格也因此受到美国国会质询。

所以Facebook的AI工具一个重要的用途就是用来识别和处理社交网络上有害的言论、照片和视频。

一个具体例子是新的“最近邻”算法。Facebook用这种算法发现色情暴力图片比以前快8.5倍。

另一个例子是开源工具包LASER。Facebook用它来训练单一模型以理解大量不同语言,而不必为每一种语言使用不同的模型,它可以检测用户是否发布违反社交网络政策的言论。

在视频中发现有害信息的难度比照片高出几个数量级,Facebook的新技术能将其分解为短片段,去掉其中冗余和不相关的内容。这种更有针对性的分析和训练使得AI理解视频更快,更准确。

One More Thing

目前,Facebook正在大力发展自监督学习技术,将未标记数据与少量标记数据结合使用,以提高机器学习的准确性。

所谓的“自监督学习”就是我们说的“无监督学习”。

Facebook首席AI科学家Yann LeCun说,把“自监督”说成“无监督”是具有误导性的,因为自监督学习比监督学习使用更多的监督信号,并且远远超过强化学习。

自监督学习在自然语言处理方面取得了巨大成功。在LeCun看来,在图像和视频上使用这项技术未来几年ML和AI的最大挑战。

原文发布于微信公众号 - 相约机器人(xiangyuejiqiren)

原文发表时间:2019-05-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券