PyTorch 1.2更新：三大领域库加速AI开发

PyTorch 社区迎来重大更新：1.2 版本及三大领域库齐发力

2025年主流加密货币交易所：

• 欧易OKX >>>进入官网<<< >>>官方下载<<<
• 币安Binance >>>进入官网<<< >>>官方下载<<<

最近，PyTorch 社区迎来了一系列令人兴奋的更新，包括 PyTorch 1.2、torchvision 0.4、torchaudio 0.3 和 torchtext 0.4。这些新版本都进行了优化和改进，兼容性更强，使用起来也更加方便。PyTorch 官方发布了相关文章介绍了每个工具的更新细节。

PyTorch 1.2：生产应用更进一步

PyTorch 1.2 在生产应用方面向前迈出了一大步，并增加了一个改进的 TorchScript 环境。这些改进使得用户可以更容易地构建生产模型，扩展对导出 ONNX 格式模型的支持功能，并增强对 Transformers 模块的支持。

此外，用户对 TensorBoard 的使用也更便捷，现在只需输入代码 `from torch.utils.tensorboard import SummaryWriter`，即可开始使用。

ONNX EXPORT 改进

PyTorch 1.2 增加了对导出 ONNX Opset 版本 7（v1.2）、8（v1.3）、9（v1.4）和 10（v1.5）的全面支持。同时，还优化了常量折叠（constant folding）的传递，用以支持最新版本的 ONNX Opset 10。

ScriptModule 也有相应的改进，包括：支持多输出、张量工厂表、元组作为输入和输出。此外，用户现在可以设置个性化的标记来导出自定义操作，并在导出期间指定输入的动态大小。

NN.TRANSFORMER

PyTorch 1.2 包含一个标准的 nn.Transformer 模块，该模块完全依赖注意力机制来构建输入和输出之间的全局依赖关系；该模块的各个组件经过精心设计，可以独立使用。

DAPI 库更新：加速领域研究

PyTorch 域的库（如 torchvision、torchtext 和 torchaudio）提供了对常用数据集、模型和转换器的便捷访问，可用于快速创建最先进的基线模型。此外，它们还提供了常见代码抽象集，以减少用户可能不得不重复写入代码的麻烦。

围绕 PyTorch 出现了一个称为 DAP I（Domain API）的专业库生态系统，以简化许多领域中新算法和现有算法的开发过程。PyTorch 1.2 核心版本发布后，官方也发布了三个更新的 DAPI 库，用于支持文本、音频和视觉内容。

TORCHAUDIO 0.3：与 KALDI 兼容，新转换器

Torchaudio 专注于机器理解音频波形。它是一个 ML 库，提供相关的信号处理功能。它利用 PyTorch 的 GPU 为波形提供了许多工具和转换的支持，并使数据加载和标准化更容易、更易读。

Torchaudio 0.3.0 的重点是标准化和复数、转换（重采样）和两个新的函数（phase\_vocoder，ISTFT）、Kaldi 兼容性以及新的教程。

标准化

Torchaudio 的转换接口进行了更新，以便围绕以下词汇和约定进行标准化：假设张量具有通道作为第一维度，时间作为最后维度（适用时）；这将使得它与 PyTorch 的大小一致。对于大小的名称，用前缀 n\_（例如「大小（n\_freq，n\_mel）的张量」）命名，而维度名称则不具有该前缀（例如「维度张量（通道，时间）」）；并且所有变换和函数的输入现在首先要假定通道。

Kaldi 兼容性

Torchaudio 提供与 Kaldi 兼容的接口，以简化载入并减少用户对 Kaldi 代码的依赖性。现在有一个接口可用于 spectrogram，fbank 和 resample\_waveform。

新教程

官方发布了一个新的教程，演示用户如何使用 torchaudio 进行预处理波形；同时该教程也将介绍加载波形并对其应用一些可用转换的示例。

带有监督学习数据集的 TORCHTEXT 0.4

torchtext 的一个关键重点领域是提供有助于加速 NLP 研究的基本要素。其中包括轻松访问常用数据集和基本预处理流程，用以处理基于原始文本的数据。torchtext 0.4.0 版本包括一些热门的监督学习基线模型，这些模型都带有「one-command」的数据加载项。

新版本涵盖了几个用于监督学习的主流文本分类数据集，包括：AG\_NEWS、SogouNews、DBpedia、YelpReviewPolarity、YelpReviewFull、YahooAnswers、AmazonReviewPolarity、AmazonReviewFull。

支持视频的 TORCHVISION 0.4

视频现在是 torchvision 中的一员，并且 torchvision 可以支持视频的数据加载、数据集、预训练模型和变换。TORCHVISION 0.4 版本包括：用于读/写视频文件（包括音频）的高效 IO 源码，支持任意编码与任意格式；标准视频数据集，与 torch.utils.data.Dataset 和 torch.utils.data.DataLoader 兼容；基于 Kinetics-400 数据集构建的预训练模型，用于视频（包括训练脚本）的动作分类；用于训练用户自身视频模型的参考训练脚本。

torchvision 提供了一些实用程序类型的 API，比如：VideoClips，它通过创建一组视频中所有剪辑的索引，简化了在视频文件列表中枚举所有可能固定大小的剪辑的任务。它还允许用户能够为视频指定固定的帧速率。