pytorch支持java吗_PyTorch1.1.0发布，不再支持CUDA8.0

PyTorch 1.1.0 发布了&＃xff0c;此版本主要提高了性能、添加了新的模型理解和可视化工具以提高可用性&＃xff0c;并提供新的 API。

需要注意的是&＃xff0c;此版本不再支持 CUDA 8.0。

TensorBoard

TensorBoard 是一个用于检查和理解训练脚本、张量和图的 Web 应用程序套件&＃xff0c;使用它可以进行一级与原生可视化和模型调试。PyTorch 现在通过一个简单的“from torch.utils.tensorboard import SummaryWriter”命令原生支持 TensorBoard。

JIT 编译器

即时(JIT)编译有一些改进&＃xff0c;这些改进包括各种 bug 修复与 TorchScript 中的扩展功能&＃xff0c;例如对字典、用户类和属性的支持。

&＃64;torch.jit.script

class Pair:

def __init__(self, first, second)

self.first &＃61; first

self.second &＃61; second

def sum(self):

return self.first &＃43; self.second

新 API

支持布尔张量、更好地支持自定义递归神经网络。

分布式训练

改进了 CNN 等常见模型的性能&＃xff0c;增加了对多设备模块的支持&＃xff0c;包括在使用分布式数据并行(DDP&＃xff0c;Distributed Data Parallel)的同时跨 GPU 分割模型的能力&＃xff0c;并支持在每次迭代中不使用所有参数的模块(例如控制流程&＃xff0c;如自适应 softmax 等)。

关于性能的提升&＃xff0c;有以下几项数据&＃xff1a;

nn.BatchNorm CPU 推理速度提升 ~19 倍。

nn.AdaptiveAvgPool&＃xff1a;将 size&＃61;1 输出的常见情况加速 ~30x。

nn.EmbeddingBag CPU 性能提高了约 4 倍。

Tensor.copy_&＃xff1a;加速较大张量复制约 2-3 倍&＃xff0c;小张量复制有小回退。

torch.nonzero&＃xff1a;现在比 CPU numpy 快约 2 倍。

改进 Pascal 和新 GPU 的缓存分配器&＃xff0c;Mask-RCNN 的内存利用率提高 10-20&＃xff05;。

reduction functions&＃xff1a;将一些大型 Tensor 案件加速 50-80&＃xff05;。

详细更新内容查看&＃xff1a;