Meta开源全新移动端AI生成神器，造个AI应用5分钟，安卓iOS都支持

近日，一年一度的PyTorch开发者大会召开。

在会上，Meta（原名 Facebook）发布了PyTorch Live，这是一套可以为移动端用户提供人工智能体验的工具。

PyTorch Live支持一种编程语言JavaScript，可以为Android和iOS两个移动端操作系统开发应用程序，还能为更广泛的PyTorch社区提供定制机器学习模型的服务。

目前，PyTorch Live已经开源，版本号v0.1.1。

https://github.com/pytorch/live

PyTorch Live开源项目中包括PyTorch Live命令行界面（即torchlive-cli），一个依赖PyTorch Mobile库在移动设备上进行推理的React Native包，以及一个React Native模板，还有一些可以在移动设备上部署的示例。

PyTorch官网声称，PyTorch Live是一个十分易于使用的工具库，使用PyTorch Live可以帮助开发者在几分钟内成功构建一个手机端机器学习演示APP。

PyTorch这些年

2017年1月，Meta 发布了一个基于Torch的开源机器学习库PyTorch。

自2015年以来，TensorFlow一直占据上风，但是PyTorch在发布后也逐渐升温，在开发人员社区中快速普及。

近几年，PyTorch 成为机器学习领域增长最迅猛的开源项目之一。Meta 透露，2019年的时候，该平台的贡献者数量就同比增长超过50% ，增长近1200人。

而基于 PyTorch 中的PyTorch Mobile，PyTorch Live就可以允许开发者在 PyTorch 生态系统中完成从训练模型到部署模型的全过程，而且它还提供了可用于创建可视化用户界面的 React Native 库。

PyTorch Mobile在2019年10月发布，在此之前，Meta发布了Caffe2go，这是一个基于Caffe2机器学习框架，并针对移动端CPU和GPU进行特别优化的全新框架。

值得一提的是，不管开发人员想在移动设备或是其他边缘设备上运行PyTorch Mobile，都是可以的。甚至PyTorch Mobile也可以运行在服务器上。

Meta AI 软件工程师 Roman Radle表示，「如果你想展示一个运行在 Android 和 iOS 移动端上的模型，就需要花费数天时间来配置项目和构建用户界面。有了 PyTorch Live，开发成本降低了一半，而且你也不需要有太多Android开发和iOS开发的经验 」。

PyTorch Live内置工具

目前，PyTorch Live的beta测试版只支持苹果macOS操作系统。不过，对Windows和Linux系统的支持很快也会有。

PyTorch Live有几个依赖包需要先安装。

一个是Node.js。如果还没有装Node.js的话，可以从Node.js官方网站下载或者通过Homebrew安装（即brew install node）。

另外一个是Xcode。如果想在iOS模拟器或iOS设备上运行PyTorch Live应用，就需要从苹果应用商店安装Xcode。PyTorch Live目前支持Xcode 12.5或更高版本。

在开发过程中，配置环境可能是个既繁琐又困难的事。

PyTorch Live提供了一个安装例程，可以自动安装所需的依赖项。它将自动尝试安装以下库和工具：

• Homebrew
• OpenJDK
• Yarn
• Watchman
• Android Command Line Tools
  • Android SDK
  • Android SDK Manager
  • Android Virtual Device Manager
  • Android Emulator
• CocoaPods

PyTorch Live 工具包提供了一个命令行界面（CLI）和一个数据处理 API。

CLI 使开发人员能够建立一个移动开发环境，并引导开发人员去构建移动应用程序项目。

至于数据处理 API，它集成了 PyTorch Live API 中的自定义模型，这些模型可以内置到 Android 和 iOS 的移动端应用程序中。

目前，PyTorch Live已经支持的功能有：

1.图像分类

对相册里的照片进行分类

对相机拍摄到的物体进行实时分类

2.目标检测

3.手写数字识别

4.语言问答

用户也可以自行定制一些别的小功能。

未来，Meta 计划让社区通过 PyTorch Live 发现与共享 PyTorch 的模型和演示，并且还会提供一个可定制的数据处理 API 和支持音频与视频数据的机器学习工具。

Radle表示，「让开发人员更容易地开发移动应用程序，并向社区展示机器学习模型是我们的初衷。同时，这也是一个机会，通过建立一个由研究人员和移动开发人员组成的蓬勃发展的社区，他们才能共享和使用模型，可以进行思想碰撞和交流。」

PyTorch 的任务是加速从研究原型到生产部署的过程。随着移动端机器学习生态系统的不断发展，PyTorch Live的发布比以往任何时候都更加重要。

因此，有网友将PyTorch Live称为 「Game changer！」