导读 Facebook已经发布了机器学习框架PyTorch的1 3版。新版本的中心是三个功能，所有这些功能仍处于试验状态：命名张量(namend张量)，8位模型形
Facebook已经发布了机器学习框架PyTorch的1.3版。新版本的中心是三个功能，所有这些功能仍处于试验状态：命名张量(namend张量)，8位模型形式的量化以及对iOS和Android设备的支持。这使机器学习专家可以在移动领域使用该框架。TensorFlow用户可能熟悉TensorFlow Lite框架中的这些功能，该框架已为此目的而拆分。
口袋里的机器学习
在PyTorch团队的博客文章中，他解释说在边缘设备上运行机器学习正变得越来越重要，而应用程序则期望延迟降低。为了在设备上实现更高效的机器学习，PyTorch 1.3现在支持完整的移动设备工作流程-从Python到在iOS和Android上的最终部署。
为此，开发人员进行了构建级优化和可配置的运算符集合，以便用户可以为其所需的运算符配置二进制大小。此外，他们可能一直在提高移动CPU和GPU的性能，并添加了本机移动API，以包括将机器学习集成到移动应用程序中的常见任务。
命名张量和量化
康奈尔大学的亚历山大·拉什(Alexander Rush)认为，张量的传统实现存在重大缺陷，例如暴露私有维度，基于绝对位置进行传输以及在文档中保留类型信息。他提出了一种使用命名张量的替代方法，现在可以将其用作PyTorch的实验功能。
另外，它还支持8位量化模型，该模型允许开发人员以降低的精度执行计算和存储操作。这将使服务器和边缘设备上的部署更加高效。该当前实验功能包括对锻炼后量化，动态量化和面向量化训练的支持。