当前位置:首页 > 报告详情

Facebook-Waston Liang-AI框架从解决研究到生产问题的探索: Facebook应对PyTorch部署挑战的实践.pdf

上传人: B**** 编号:28666 2021-01-31 24页 1.93MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文主要介绍了PyTorch框架,一个开源的机器学习库,用于从研究原型到生产部署的加速。PyTorch提供类似NumPy的ndarray(张量)、自动微分、快速原型设计、广泛的深度学习算法/API、易于扩展和生产就绪等特点。PyTorch通过其TorchScript功能,可以将Python模型转换成静态表示,优化性能,并易于将研究结果转换为模型。此外,PyTorch还有C++ Tensor API和多种语言的绑定,支持在生产环境中部署。PyTorch JIT中间表示允许静态类型、结构化控制流和默认函数式编程,同时支持tensor/container突变。PyTorch的序列化机制提供了强大的向后兼容性保证,并且可以与Python pickling互操作,其运行时小且支持多线程,易于检查和探索。相比之下,纯Python在生产部署上存在兼容性、运行时大小和延迟等问题。
PyTorch JIT如何提高模型性能? 如何使用PyTorch将Python模型转换为TorchScript? PyTorch JIT中间表示有哪些特点?
客服
商务合作
小程序
服务号
折叠