休假栗 问耕 假装发自 凹非寺 量子位 出品 | 公众号 QbitAI
PyTorch 1.0来了~
在今天的F8（Facebook开发者大会）上，深度学习框架PyTorch 1.0 rc1版如期发布。然而在海外的论坛上，另一个开源库的关注度不遑多让。
它就是fastai 1.0。
简单来说，fastai只要一个API，就包含了所有常见的深度学习应用。堪称实用版的“要你命3000”。而且许多性能指标，已经超越了Keras。
比如，5行代码完成Keras用31行才能解决的事情。同时，误差表现也更好。难怪在Hacker News上，fastai的关注度比PyTorch 1.0还高……
而且fastai基于PyTorch 1.0框架，也被Facebook官方重点宣传。这两个全新的框架同时下载配合使用，疗效更佳。
这个悠长假期，你不试试么？
fastai 1.0
fastai的出品方是fast.ai，机构规模不大，但因为提供大量免费机器学习课程，而名声在外。还有，fast.ai也是美国军方的合作伙伴，研究如何加速人工智能技术的发展。
只要一个API
据创始人Jeremy Howard介绍，fastai只要一个API，就包含了几乎所有常见的深度学习应用。
用从前的库，都需要给不同的应用调取相应的API，fastai是第一个用单个API就能支持各类应用的库。
这样一来，用户就不需要记得五花八门的API调用方法了。用fastai搭建过视觉模型之后，可以用同一个的API再去搭建自然语言处理模型了。
在1.0发布之前，fastai最初的版本在9月上线，一波早期用户已经先行探索过这个年幼的库，并有多位大佬表示好用：
这是Kaggle资深玩家Miguel Pérez Michaus，用fastai做的风格迁移成果。
作为一个“没有正式计算机背景”的程序猿，他毫不吝惜自己对fastai灵活性的赞美：连我都能用。
GitHub的机器学习科学家Hamel Husain也用这个库，做了一个GitHub语义代码的搜索工具，还是半路从TensorFlow Hub换成fastai的。现在，搜索工具已经上线了：
https://experiments.github.com/semantic-code-search
还有，OpenAI小姐姐Christine Payne，最近做的一个项目叫Clara，是用神经网络生成音乐的AI。小姐姐说，如果没有fastai的话，速度就得不到保障了。
听一下Clara的作品，很美：
更多音乐：
http://christinemcleavey.com/clara-a-neural-net-music-generator/
5行代码就够了
Howard说，团队做过的研究，都嵌在这个框架里了。所以，大家可以充分享受这些成果。
他用猫狗识别的来举栗，那是迁移学习的经典案例，也是fast.ai的课程里最受欢迎的章节之一。
在新的库诞生之前，这样的问题大多是在TensorFlow上面用Keras解决的。如今，Keras依然是fast.ai团队仰慕的对象。
所以，团队也想在猫狗大战里感受一下，自家的框架和Keras对比起来，竞争力究竟如何。
代码语言：javascript复制1data = data_from_imagefolder(Path('data/dogscats'),
2 ds_tfms=get_transforms(), tfms=imagenet_norm, size=224)
3learn = ConvLearner(data, tvm.resnet34, metrics=accuracy)
4learn.fit_one_cycle(6)
5learn.unfreeze()
6learn.fit_one_cycle(4, slice(1e-5,3e-4))这5行代码，就是在fastai框架里做ResNet50的two-stage微调，需要的全部操作了。
而同样的任务，Keras要用31行才能完成。
除了代码行数，fastai在两个阶段的误差也比Keras更小。
虽然成绩表十分骄人，Howard依然三番五次地表示，Keras始终是大神，整个团队都是Keras的粉丝。
先去用用看？
现在，fastai框架已经在GitHub上线了。下载请至：
https://github.com/fastai/fastai
也可以在谷歌云平台上用啊。先打开这个页面：
https://cloud.google.com/deep-learning-vm/docs/images
然后，给你的示例安装配置，再把fastai部署在PyTorch 1.0上。有了。
如果要在GPU驱动的Jupyter Notebook上运行fastai，也没问题：
https://salamander.ai/
除此之外，还有一个好消息。不久就会支持AWS了，可以期待一下。
PyTorch 1.0
接下来，说说也是最新发布的PyTorch 1.0。
去年1月，PyTorch首次发布，目前下载已经超过100万次。今年五月，Facebook副总裁贾扬清和CTO Mike Schroepfer透露，PyTorch 1.0即将推出。当时，Caffe2代码还并入了PyTorch。
PyTorch 1.0 rc1版传送门：
https://github.com/pytorch/pytorch/releases
Facebook在官方博客中，还对PyTorch 1.0 rc1版进行了详细的介绍。
新框架有了一个全新的混合模式前端，支持tracing和scripting模型，从eager模式进入graph模式，从而弥合研发与生产部署之间的差距；一个经过改进的torch.distributed库，能让Python和C 环境中的训练更快。
以及这个版本正式融合了PyTorch框架的灵活性与Caffe2的生产力。贾扬清此前给的总结就是：Caffe2 PyTorch = PyTorch 1.0。
三大新功能
torch.jit
JIT是一组编译工具，用于弥合PyTorch研究和生产之前的差距。其中包含一种名为Torch Script的语言（仍然使用Python编写），还有两种方法可以使现有的代码与JIT兼容。
Torch Script代码可以积极优化，并且在序列化之后可以在新的C API中使用，这就完全不依赖Python了。
c10d库
torch.distributed软件包以及torch.nn.parallel.DistributedDataParallel模块，由新的c10d库提供支持。主要亮点包括：
- c10d是性能来驱动的，并且对所有后端完全异步操作
- 分布式数据并行性能显著改进
- 在Gloomy后端增加send和recv支持
C 前端API
这个前端API被明确标记为还不稳定（Unstable）。官方预计将在未来一两个月稳定下来，同时不排除发生其中某些部分发生重大变化。
这个C 前端是一个纯C 接口后端是PyTorch，与此前的Python前后端体系结构一样。这个API只在实现高性能、低延迟和裸机C 应用程序的研究。
以下是两种语言前端的简单比较。
其他
生态系统
Google云、亚马逊AWS、微软Azure Machine Learning等国外的流行云服务，现在与PyTorch更加兼容。
Arm、Nvidia、高通、英特尔、IBM等厂商的，也增加了对PyTorch 1.0的支持。确保PyTorch可以在数据中心、边缘硬件等不同领域得到应用。
根据官方消息，目前Google和Facebook正在合作，为PyTorch用户构建TPU。Google云的Deep Learning VM服务，也将提供PyTorch 1.0映像。
教育培训
Facebook透露正与Udacity合作，为开发者提供免费的深度学习入门课程，这些课程都基于PyTorch。此外，Facebook还将赞助300名开发者，完成Udacity的中级课程，这些课程也已经改为基于PyTorch 1.0。
当然，fast.ai的新课程和深度学习库，也是PyTorch在教育领域的合作成果。
