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]

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