Open-Source-Bibliothek PyTorch 1.2 verfügbar

29.08.2019 | Autor / Redakteur: Thomas Joos / Stephan Augsten

Das Machine Learning-Framework PyTorch 1.2 erhält neue Funktionen und wird verbessert. Das Projekt wurde ursprünglich von der KI-Abteilung von Facebook ins Leben gerufen.

Firmen zum Thema

MicroConsult Microelectronics Consulting & Training GmbH

Parasoft® Deutschland GmbH

Die Integration der neuen PyTorch-Bibliotheken erfordert ein etwas anderes Vorgehen.
(Bild: PyTorch)

PyTorch ist ein quelloffenes Machine-Learning-Framework. Seit PyTorch 1.0 bietet das Framework eine grafikbasierte Ausführung und ein hybrides Frontend, das einen nahtlosen Wechsel zwischen den Modi ermöglicht.

In der Version 1.2 wurden jetzt weitere Neuerungen integriert. Auf ihrer PyTorch-Webseite und in den Release Notes bei GitHub gehen die Entwickler ausführlicher auf die Neuerungen ein.

Verbesserungen und Neuerungen

So erhält PyTorch 1.2 eine verbesserte TorchScript-Umgebung. Der TorchScript-Compiler konvertiert PyTorch-Modelle in eine statisch typisierte Diagrammdarstellung. Das ermöglicht die Ausführung in eingeschränkten Umgebungen, in denen Python nicht verfügbar ist.

Die Verbesserungen sollen den Versand von Produktionsmodellen einfacher machen. TorchScript erhält in der neuen Version einen erweiterten Support für Python-Sprachfunktionen und die Python Standard Library.

Entwickler können ihr Modell schrittweise in TorchScript konvertieren und kompilierten Code mit Python mischen. PyTorch 1.2 bietet eine neue API für die Kompilierung der Modelle in TorchScript. Weitere Informationen sind im Migration Guide zu finden.

Die Unterstützung für den Export von ONNX-formatierten Modellen gehört zu den weiteren, wichtigen Neuerungen der Version 1.2. Hier arbeiten die Entwickler mit Microsoft zusammen. Die Vorgehensweise dazu wurrde in der Dokumentation zu PyTorch festgehalten.

TensorBoard ist ab PyTorch 1.2 auch nicht mehr experimentell. Eingeführt wurde TensorBoard mit der Version 1.1. Entwickler können dazu zum Beispiel „from torch.utils.tensorboard import SummaryWriter“ nutzen, um zu starten. TensorBoard kann Modell-Graphen und Metriken anzeigen. Dazu gehören auch Bilder, Text und Audiodaten.

Dieser Beitrag stammt von unserem Partnerportal Dev-Insider.de.