Facebook 几天前就知道了 你押注 PyTorch 作为你的默认 AI 框架，由于其当前 人工智能模型已经每天执行数万亿次操作我打赌 Pytorch， 它旨在满足这种不断增长的工作量需求 正如该公司所说，通过迁移所有系统，他们将能够更快地进行创新，同时确保为所有用户提供更佳的体验。
对于那些不知道的人 PyTorch，他们应该知道 是一个开源机器学习库 它基于 Torch 库。 它是由 Facebook 的人工智能研究部门创建的 它已经被用于为广泛的人工智能应用提供动力，例如计算机视觉和自然语言处理模型。
PyTorch AI 模型的示例包括自定义 Instagram 上的用户提要和故事，以及识别和删除 Facebook 上的仇恨言论。
采用 PyTorch 作为 Facebook 的默认 AI 框架有助于确保我们技术的所有体验将在 Facebook 范围内以最佳方式运行，并且适用于所有人，无论设备、操作系统或互联网连接质量如何。
Facebook 提到此迁移还意味着您可以更紧密地与社区合作 绝不：
PyTorch 不仅使我们的研究和工程工作更加有效、协作和高效，它还使我们能够以开源 PyTorch 库的形式分享我们的工作，并从全球数千名 PyTorch 开发人员取得的进步中学习。
原因之一 去 PyTorch 是人工智能从研究到生产的过程传统上是乏味的 和复杂，另一个需要解决的主要问题是，研究人员被迫在为研究或生产优化的 AI 框架之间进行选择，但不能同时为两者进行选择。
如今，迁移过程已过去一年多，Facebook 上有 1.700 多个基于 PyTorch 的推理模型正在全面投入生产，而我们 93% 的新训练模型负责识别和分析内容。在 Facebook，他们正在在 PyTorch 上。
“这个新的迭代将基于 Python 的 PyTorch 与生产就绪的 Caffe2 合并，并合并了图形和即时运行模式，为生产的研究和性能优化提供了灵活性，”Facebook 在其博客上写道。 “Facebook 的 PyTorch 工程师为每个开发阶段引入了一系列工具、库、预训练模型和数据集，使开发人员社区能够快速创建和大规模实施新的人工智能创新。”
换句话说， Facebook 选择 PyTorch 是因为它是用于研究和生产 AI 模型的独特框架 该 提供实验的灵活性 以及在黄金时间准备好时大规模启动人工智能的能力。 Facebook 表示，这使得在几分钟而不是几周内部署新模型成为可能，同时减少了维护两个不同人工智能系统所带来的基础设施和工程负担。
我们 PyTorch 迁移的目标是为我们的工程师和开发人员创造更流畅的端到端开发人员体验。 我们希望通过使用单一平台来加速我们从研究到生产的过程，该平台使我们能够灵活地进行实验以及在生产规模上启动 AI 模型的能力。
PyTorch 在直接在智能手机等设备上运行 AI 模型时，它也具有优势. 这是因为 Facebook 创建了 PyTorch Mobile 框架，该框架在运行时减少了二进制文件的大小，以确保 PyTorch AI 模型可以在具有最低处理能力的设备上运行。
数据来源： https://ai.facebook.com