Facebook выпустила фреймворк PyTorch 1.0, который поддержали Google, Microsoft и Amazon

Facebook сообщила о выходе фреймворка PyTorch 1.0. Нововведения коснулись появления гибридной фронтенд-разработки, которая помогает перейти от этапа исследований к развёртыванию приложений. Обновлена библиотека для выполнения распределённых вычислений с помощью языков Python и C++, а также быстрого поиска. На первой конференции разработчиков PyTorch компания рассказала о росте числа партнёров, предоставляющих поддержку проекту в виде образовательных курсов, программного и аппаратного обеспечения.

Google

Специалисты Google сообщили о новых возможностях с PyTorch 1.0 в своём блоге.

• Платформа Google Cloud c образами виртуальных машин. С выходом PyTorch 1.0 компания обновила сервис виртуальных машин. Драйверы NVIDIA и руководства по работе с новым фреймворком прилагаются.
• Kubeflow. Платформа для развёртывания и управления процессами машинного обучения. По словам сотрудников Google, сообщество разработало пакет с фреймворком PyTorch, который устанавливается при помощи двух команд. Также расширен пакет TensorRT, поддерживающий обслуживание моделей фреймовка.
• Визуализатор TensorBoard. Позволяет отслеживать процессы обучения с использованием PyTorch.
• Облачный сервис тензорных процессоров (Cloud TPU). Компания ставит перед собой задачу предоставления всем возможностей PyTorch, используя производительность, масштабируемость и экономичность Cloud TPU. В качестве прототипа инженеры соединили фреймворк с облаком при помощи компилятора XLA.

Microsoft

Компания рассказала о возможностях использования фреймворка со своими сервисами.

• Сервис Azure ML. Позволяет осуществлять весь цикл работ: от подготовки данных и обучения до управления и развёртывания модели. Azure ML даёт возможность применять различные комбинации гиперпараметров. Особенности сервиса позволяют переносить обучаемые модели с локального компьютера в облако. Также Azure ML рассчитывает время выполнения задач и представляет данные в виде графика.

• Виртуальные машины для обработки и анализа данных. В Data Science Virtual Machine предварительно установлен и настроен фреймворк PyTorch вместе с другими средствами.
• Оболочка Azure Notebooks. Решение располагается в облаке, при этом не требует установки на локальный сервер и позволяет разрабатывать алгоритмы в браузере.

• Инструменты Visual Studio Code для ИИ. Кроссплатформенное расширение, предназначенное для разработчиков и специалистов по анализу данных. Синхронизация с PyTorch даёт возможность отслеживать обучение, экспериментальные запуски и развёртывать модели прямо из VS Code. Расширение «инструменты для ИИ» может подсвечивать синтаксис, автоматически дополнять код и выполнять поиск по документам для PyTorch API.

Также специалисты Microsoft сообщают о публикации загрузчика BLOB-объектов в хранилище Azure. Помимо этого, облачный сервис обеспечивает поддержку считывания данных для инструмента распознавания речи Hidden Markov Model Toolkit. Сотрудники Microsoft планируют добиться поддержки PyTorch платформой Windows, а также полноценного взаимодействия в рамках формата ONNX.

Fast.ai

Open source проект Fast.ai сообщил о появлении новой библиотеки на основе PyTorch 1.0. По заявлению разработчиков компании, библиотека увеличивает качество и скорость обучения при меньшем количестве кода. Она подходит для научных исследований, написания музыки, художественных проектов, задействующих машинное обучение. Google предоставил возможность использования библиотеки в сервисе Google Compute Engine. Примеры описал в статье Вячеслав Ковалевский.

Amazon Web Services

Компания включила в платформу Amazon SageMaker c сконфигурированные среды для PyTorch, включающие автоматическую настройку моделей. По словам представителей Amazon, она позволяет создавать и развёртывать модели машинного обучения любых масштабов.

Udacity

Образовательная платформа совместно с Facebook устроила соревнование среди желающих освоить машинное обучение. Facebook оплатит программу Deep Learning Nanodegree на базе фреймворка PyTorch 1.0 трёмстам кандидатам.

PyTorch — это фреймворк, разработанный для экспериментов с машинным обучением. В середине сентября 2018 года Facebook рассказала о поддержке компаниями Cadence, Esperanto, Intel, Marvell и Qualcomm их компилятора Glow. Он позволяет создавать и оптимизировать фреймворки вроде PyTorch, с помощью которых создаются продукты для ИИ и машинного обучения.