近日，PyTorch 开发者大会如期召开。在会上，Meta 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 支持单一的编程语言JavaScript，可以为 Android 和 iOS 两个移动端操作系统开发的应用程序，并准备定制机器学习模型以供更广泛的 PyTorch 社区使用。
“PyTorch 的使命是加速从研究原型到生产部署的路径，随着移动端机器学习生态系统的不断发展，这变得前所未有的重要，”“为了帮助开发人员减少基于机器学习的解决方案的摩擦，我们推出了 PyTorch Live：一种用于构建、测试和（未来）共享基于 PyTorch 的设备上 AI 演示的工具。”
PyTorch Live
Meta 于 2017 年 1 月公开发布的 PyTorch 是一个基于 Torch 的开源机器学习库。自2015年11月以来，虽然 TensorFlow 一直占据上风，但 PyTorch 发布后，在数据科学和开发人员社区中快速发展。
根据 GitHub 的报告中，近几年 PyTorch 已成为机器学习领域快速增长的开源项目之一。Meta 透漏，2019年该平台的贡献者数量同比增长超过50%，达到近1200人。
PyTorch Live 构建在 PyTorch Mobile 之上，在运行时允许开发者在 PyTorch 生态系统中完成从训练模型到部署模型的全过程，以及用于创建可视化用户界面的 React Native 库。
PyTorch Mobile 于 2019 年 10 月推出，此前，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 优化版本。不管开发人员想在移动设备或边缘设备上运行 PyTorch Mobile 都可以。或是 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。借助 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 。”
内置工具
PyTorch Live 附带了命令行界面 (CLI) 和数据处理 API。CLI 使开发人员能够设置移动开发环境并引导开发人员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，然后可以将其构建到适用于 Android 和 iOS 的移动 AI 驱动的应用程序中。
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“让开发人员更轻松地构建移动应用程序，并向社区展示机器学习模型的初步方法。这也是一个进一步发展的机会，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，并相互可以进行交流”
参考链接：
https://venturebeat.com/2021/12/01/meta-launches-pytorch-live-a-set-of-tools-for-building-ai-powered-mobile-experiences/
