1 min

Het PyTorch-framework heeft een update gekregen. Versie 1.9 moet van PyTorch nog meer een alternatief maken voor TensorFlow.

Belangrijke updates in PyTorch 1.9 zijn vooral het in een stabiele versie aanbieden van functionaliteit als autograd en de lineaire algebra-module torch.linalg. Met deze nieuwste functionaliteit kunnen zogenoemde lineaire algebra functies sneller worden geïmplementeerd. Deze functies zijn onder meer beschikbaar in de populaire NumPy library en worden ingezet voor het berekenen van complexe ‘gradients’ of voor het optimaliseren van zogenoemde ‘loss’-functies.

Een andere interessante toevoeging is een nieuw packaging-formaat; torch.package. Deze packages hebben de .pt-extensie en bevatten model-data als parameters en buffers, maar ook de code in het simpelste formaat. Ook kunnen binnen deze ‘pakketjes’ automatisch de benodigde code depenencies worden gevonden. De nieuwe packages zijn daardoor een soort zelfvoorzienende unit om snel experimenten te kunnen reproduceren, zo geeft PyTorch aan.

Overige verbeteringen

Naast deze verbeteringen, heeft PyTorch zijn ‘worker process runner en coordinator’ TorchElastic in de core van PyTorch geplaatst. Hiermee wil het aantonen dat het distributed trainingsmogelijkheden belangrijk vindt. Ook klanten die focussen op het brengen van machine learning naar mobiele en edge-devices krijgen met versie 1.9 van PyTorch meer mogelijkheden met de nu uitgebrachte tool Mobile Interpreter.

Andere verbeteringen in PyTorch 1.9 zijn onder meer het stabiel krijgen van de ‘freezing API’, de introductie van PyTorch Profiler GPU profiling en TensorBoard-visualisatie voor meer overzicht. Verder zijn voor PyTorch ook nog veel nieuwe libraries uitgebracht, zoals TorchVision, TorchAudio, en TorchText.

Tip: Facebook lanceert PyTorch 1.4 met library updates