棉胎厂家
免费服务热线

Free service

hotline

010-00000000
棉胎厂家
热门搜索:
行业资讯
当前位置:首页 > 行业资讯

PyTorch团队发表周年感言感谢日益壮大的社群这一年迎来六大核心突破_[#第一枪]

发布时间:2021-06-07 17:55:22 阅读: 来源:棉胎厂家

AI 研习社按,2017 年 1 月,Facebook 开源 PyTorch,短短一年时间,PyTorch 便发展成一线开发者争相使用的工具。这一年间,有哪些研究人员对 PyTorch 的发展做出了贡献?关于PyTorch的经典课程有哪些?它经历了什么样的改变?研究人员又带来了哪些创新?

在 PyTorch 开源一周年纪念日,其开发团队在官方 Blog 上发表《PyTorch, a year in....》一文,为我们解答了上述问题。雷锋网 AI 研习社将原文编译整理如下:

距离我们开源 PyTorch 已经有一年时间。在这一年时间里,我们寻求建立一个灵活的深度学习研究平台,这是一段极棒的旅程。感谢所有使用 PyTorch,为 PyTorch 的发展做出贡献,并不断传播 PyTorch 的人,是你们一步一步建立了这样一个充满惊喜的社群。

下文中,我们总结了 PyTorch 在这一年间取得的进展、相关新闻和亮点。

社群

PyTorch 社群是一个强健的有机体,感谢社群里喜爱 PyTorch 的研究人员和工程师。我们的社群构成多种多样,核心团队中有来自于多个国家、公司和大学的工程师和研究人员,如果没有他们的点滴贡献,PyTorch 不可能发展得像现在这么好。

论文、工具包和 Github

PyTorch 发布之后,一些用户很快就利用 PyTorch 实现了他们喜欢的论文,并在 Github 上发布代码。现阶段,开源代码是研究人员的重要工具。

大家在一起,创造出了 torchtext,torchvision和 torchaudio工具包,帮助加快 PyTorch 在不同领域的发展。

Brandon Amos 发布了第一个基于 PyTorch 的工具包——Block,使得操作分块矩阵更加容易。随后,CMU 的 Locus Lab 实验室发布了一系列关于 PyTorch 的工具包(https://github.com/locuslab),实现了他们大部分的研究成果。首篇利用 PyTorch 实现的论文是 Sergey Zagoruyko 的 Paying more attention to attention。

Jun-Yan Zhu, Taesung Park, Phillip Isola, Alyosha Efros 和来自加州大学伯克利分校的团队发布了 Cycle-GAN and pix2pix,这个工具包极受欢迎,能实现图像转换。

HarvardNLP 和 Systran 的研究人员开始利用 PyTorch 开发和改进 OpenNMT,这最初是由 Adam Lerer 利用 [Lua]Torch 重实现的。

Twitter 的 MagicPony 团队也很早就将他们超分辨率的工作用 PyTorch 实现了。

Salesforce Research 也发布了几个工具包,其中就包括最广为人知的 PyTorch-QRNN,这比用 CuDNN 优化的标准 LSTM 的速度快了 2-17 倍。James Bradbury 和他的团队是 PyTorch 社群中最活跃、最吸引人的力量之一。

来自 Uber, Northeastern 和 Stanford 的研究人员聚于一起,围绕 Pyro 和 ProbTorch,组成了一个活跃的概率编程社区。他们正积极开发 torch.distributions 核心包。这个社区非常活跃,正在快速发展,在 NIPS2017 上,我们第一次开展了 PyTorch 概率编程见面会,会上,我们同 Fritz Obermeyer, Noah Goodman, Jan-Willem van de Meent, Brooks Paige, Dustin Tran 和其他 22 位与会者讨论了如何让世界变得更贝叶斯。

英伟达的研究人员发布了三个高质量的 PyTorch 库,分别实现了 pix2pix-HD、Sentiment Neuron 和 FlowNet2。他们基于 PyTorch 对数据并行模型的可伸缩性分析(https://github.com/NVIDIA/sentiment-discovery/blob/master/analysis/scale.md)极有帮助。

艾伦人工智能研究院发布 AllenNLP,其中包含一些针对标准 NLP 任务的最先进模型,也有参考样例和一些易于使用的 web demo。

7 月,grt123 团队在 Kaggle DataScience Bowl 2017 中的肺癌预测项目上取得胜利,随后公布代码。他们是第一支利用 PyTorch 取得胜利的团队。

在可视化方面,Tzu-Wei Huang 发布 TensorBoard-PyTorch 插件,Facebook 人工智能研究院也发布了能与 PyTorch 兼容的 visdom 可视化包。

随后,Facebook 人工智能研究院开源 ParlAI、fairseq-py、VoiceLoop 和 FaderNetworks 等工具包,能在多个领域实现先进的模型。

这里还有很多好的项目,我们就不一一说明,大家可以点击如下

刹车助力器图片

高压打药机货源

谷物联合收割机批发

相关阅读