PyTorch 1.4发布，重点新增分布式模型并行训练、Java绑定支持和PyTorch Mobile的Build级别定制。这是最后支持Python2和C++11的版本，推荐用户迁移至Python3和C++14。此外，torch.optim lr_scheduler支持链式更新，nn.GELU成为激活函数，还修复了多个Bug。
继 TensorFlow 更新后，PyTorch 也迎来了最新的 1.4 版。本次更新是最后一个支持 Python2 的版本，同时增加了对分布式模型并行、移动端、Java 程序等方面的支持。
机器之心报道，参与：一鸣、Jamin。
紧接着 TensorFlow 更新到 2.1 版之后，PyTorch 在今天也更新到了 1.4 版本。
本次更新的重点是增加了很多重要的新特性，包括给用户提供 Build 级别的移动端定制化支持、增加分布式模型并行训练、让 Java 程序能够运行 TorchScript 等。此外还有 JIT、C++、分布式训练、Eager 前端、PyTorch Mobile 等方面的功能改进和 Bug 修复。
值得注意的是，本次 PyTorch 更新是最后一个支持 Python2 的版本，同时也是最后一个支持 C++11 的版本。官方提示说，用户应当开始迁移到 Python3，并使用 C++14 开始编译工作。对于其他详细信息，感兴趣的读者可以查阅更新文档。
最低0.47元/天 解锁文章
142
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
