PyTorch 1.10正式版上線：Android NNAPI支持來了

廣受人們歡迎的深度學習框架 PyTorch 剛剛更新了 1.10 正式版，在 CUDA Graphs API 等方面進行了諸多改進。

PyTorch 是一個開源的 Python 機器學習庫，基于 Torch，底層由 C++ 實現(xiàn)，主要應用于人工智能領域，如自然語言處理，它最初由 Facebook 的人工智能研究團隊開發(fā)。由于 PyTorch 定義網(wǎng)絡結構簡單等特點，自發(fā)布以來便受到眾多研究人的青睞。

經(jīng)過研究者的不斷努力，現(xiàn)在， PyTorch 更新到 PyTorch 1.10 版本。此版本由 1.9 版本以來的 3,400 多次 commits 組成，由 426 位貢獻者完成。 

此次PyTorch 1.10 的更新側重于改進 PyTorch 的訓練和性能以及開發(fā)人員的可用性。亮點包括以下：

集成了 CUDA Graphs API 以減少 CUDA 工作負載的 CPU 開銷；

FX、torch.special 和 nn.ModuleParametrization 等幾個前端 API 已從測試版變?yōu)榉€(wěn)定版；

除了 GPU 之外，JIT Compiler 中對自動融合的支持擴展到 CPU；

Android NNAPI 支持現(xiàn)已推出測試版。

（注：從 PyTorch 1.6 版本開始，PyTorch 特性分為 Stable（穩(wěn)定版）、Beta（測試版）和 Prototype（原型版）。

PyTorch 1.10 最新特性

前端 API

使用 FX 進行 Python 代碼轉換（穩(wěn)定版）：FX 提供了一個用于轉換和降低 PyTorch 程序的 python 化平臺，它是一個工具包，在 1.10 版本中，F(xiàn)X 趨于穩(wěn)定，用戶可以使用 torch.fx 實現(xiàn)程序轉換。

torch.special（穩(wěn)定版）：torch.special 模塊，類似于 SciPy 的特殊模塊，現(xiàn)在穩(wěn)定版可用。該模塊有 30 種運算，包括 gamma、Bessel 和（高斯）誤差函數(shù)。

nn.Module 參數(shù)化（穩(wěn)定版）：允許用戶在不修改 nn.Module 本身的情況下參數(shù)化任何參數(shù)等，在穩(wěn)定版中可用。此版本增加了權重歸一化 (weight_norm)、正交參數(shù)化（矩陣約束和部分剪枝），用戶在創(chuàng)建自己的參數(shù)化時更加靈活。

CUDA Graphs API 集成（測試版）：PyTorch 現(xiàn)在集成了 CUDA Graphs API 以減少 CUDA 工作負載的 CPU 開銷。

CUDA Graphs 大大降低了 CPU 綁定 cuda（CPU-bound cuda）工作負載的 CPU 開銷，從而通過提高 GPU 利用率來提高性能。對于分布式工作負載，CUDA Graphs 還可以減少抖動，并且由于并行工作負載必須等待最慢的工作負載，因此減少抖動可以提高整體并行效率。

分布式訓練

在 1.10 版本中，有許多特性在分布式包中從測試版過渡到穩(wěn)定版，具體包括：

Remote Module（穩(wěn)定版）：此功能允許用戶遠程操作模塊，就像使用本地模塊一樣，其中 RPC 對用戶是透明的；

DDP Communication Hook（穩(wěn)定版）：此功能允許用戶覆蓋 DDP 如何跨進程同步梯度；

ZeroRedundancyOptimizer（穩(wěn)定版）：此功能可與 DistributedDataParallel 結合使用，以減少每個進程優(yōu)化器狀態(tài)的大小。

性能優(yōu)化以及工具

（測試版）TorchScript 嚴格要求源代碼具有類型注釋才能成功編譯。長期以來，用戶只能通過反復試驗來添加缺失或不正確的類型注解，效率低下，耗時長?，F(xiàn)在，PyTorch 1.10 利用 MonkeyType 等現(xiàn)有工具為 torch.jit.script 啟用了配置文件定向輸入，這使得該過程變得更容易、更快和更高效。

（測試版）CPU 融合：PyTorch 1.10 為 CPU 添加了一個基于 LLVM 的 JIT 編譯器，可以將 Torch 庫調用序列融合在一起以提高性能。雖然此前的版本在 GPU 上擁有此功能已有一段時間了，但 1.10 版本是第一次將編譯引入 CPU。

PyTorch Profiler

（測試版）PyTorch Profiler 的目標是針對時間或內(nèi)存成本最高的執(zhí)行步驟，并可視化 GPU 和 CPU 之間的工作負載分布。PyTorch 1.10 包括以下主要功能：

增強型內(nèi)存視圖：這有助于用戶更好地了解內(nèi)存使用；

增強型內(nèi)核視圖：附加列顯示網(wǎng)格和塊大小以及每個線程共享內(nèi)存使用和寄存器的情況；

分布式訓練：Gloo 現(xiàn)在支持分布式訓練工作；

TensorCore：該工具顯示 Tensor Core(TC) 的使用，并為數(shù)據(jù)科學家和框架開發(fā)人員提供建議；

NVTX：對 NVTX markers 的支持是從舊版 autograd profiler 移植過來的；

支持移動設備分析：PyTorch profiler 現(xiàn)在與 TorchScript 、移動后端能夠更好的集成，支持移動工作負載的跟蹤收集。

支持 Android NNAPI

去年，PyTorch 官方發(fā)布了對 Android Neural Networks API (NNAPI) 的原型支持。PyTorch1.10 版本增加了更多的操作，包括在加載時對形狀的支持，以及在主機上運行模型進行測試的能力。

此外，遷移學習已經(jīng)添加到對象檢測示例中。

對于此次 PyTorch 的更新，網(wǎng)友也不僅贊嘆：「PyTorch 團隊的出色工作，融合和 profiler 工作，非?？?！」

關于 PyTorch1.10 版本的更新，更多信息請參考：

Github: https://github.com/pytorch/pytorch/releases/tag/v1.10.0

參考鏈接：

https://pytorch.org/blog/pytorch-1.10-released/

https://www.marktechpost.com/2021/10/21/pytorch-releases-version-1-10-with-updates-on-cuda-graphs-apis/