酷应用

PyTorch 1.6、TensorFlow 2.3、Pandas 1.1 同日发布！都有哪些新特性？

百家作者：CSDN 2020-08-02 15:09:37

作者 | 肖智清

出品 | AI科技大本营（ID:rgznai100）

7月29日，PyTorch 1.6、TenorFlow 2.3、Pandas 1.1恰巧同时发布。这三个库都是定期滚动更新，大约每个季度更新一次小版本。

在AI内卷化达到“灰飞烟灭”的今日，仅仅会对PyTorch或TensorFlow进行调用已经不具有竞争力。所有深度学习研发者都需要同时了解PyTorch和TensorFlow，并精通其中一种,需要同时了解PyTorch和TensorFlow的原因在于：(1) 绝大多数情况下研发人员并没有太多选择框架的自由。选择PyTorch还是TensorFlow主要取决于团队积累和项目基础设施情况；(2) 如果你已经达到可以为团体选框架的程度，那在做选择时则需要同时熟悉PyTorch和TensorFlow的生态，才能做出最佳选择。

精通PyTorch或是TensorFlow，则要求不仅仅会掉包调参，并且 (1) 具有较为丰富的分布式训练和调参经验，这个是目前大型研究必备技能；(2) 了解框架的内部实现，可以对框架的功能扩展或错误定位，能参与工程部署。而这两者都可以通过为PyTorch或TensorFlow贡献源码来积累经验（虽然前者可能需要依托实验室或大型企业的基础设施）。

说到PyTorch 1.6，它的最新特性也涉及到分布式训练、部署等内容。PyTorch 1.6相比于上一稳定版本的更新包括：

(1) 原生支持GPU混合精度训练（Automatic mixed precision，AMP），据说这个特性是NVIDIA团队加持的。

(2) 分布式训练和RPC通信：TensorPipe原生的支持张量。TensorPipe是PyTorch分布式训练的通信工具，详情可参阅GitHub：pytorch/tensorpipe。还有其他分布式并行训练（Distributed Data Parallel，DDP）和（Remote Procedural Call，RPC）包的改进。

(3) 复数张量运算和其他新的运算，如torch.logcumsumexp()、torch.logaddexp()、torch.rad2deg()、torch.deg2rad()、torch.arccosh()、torch.arcsinh()、torch.arctanh()等，新的激活层torch.nn.Hardswish。

(4) 从张量层面分析内存消耗。

PyTorch内存消耗分析示例

import?torch

import?torchvision.models?as?models

import?torch.autograd.profiler?as?profiler

model?=?models.resnet18()

inputs?=?torch.randn(5,?3,?224,?224)

with?profiler.profile(profile_memory=True, record_shapes=True)?as?prof:

????model(inputs)

# NOTE: some columns were removed for brevity

print(prof.key_averages().table(sort_by="self_cpu_memory_usage", row_limit=10))

# ---------------------------? ---------------? ---------------? ---------------

# Name???????????????????????? CPU Mem????????? Self CPU Mem???? Number of Calls

# ---------------------------? ---------------? ---------------? ---------------

# empty??????????????????????? 94.79 Mb???????? 94.79 Mb???????? 123

# resize_????????????????????? 11.48 Mb???????? 11.48 Mb???????? 2

# addmm??????????????????????? 19.53 Kb? ???????19.53 Kb???????? 1

# empty_strided??????????????? 4 b????????????? 4 b????????????? 1

# conv2d?????????????????????? 47.37 Mb???????? 0 b????????????? 20

# ---------------------------? ---------------? ---------------? ---------------

PyTorch 1.6也有一些和之前版本不兼容的改进。在数值方面主要包括整数除法的运算结果的改变。

PyTorch除法行为变化示例

PyTorch 1.5.1行为

>>>?torch.tensor(3)?/?torch.tensor(2)

../aten/src/ATen/native/BinaryOps.cpp:81:?UserWarning:?Integer

division of tensors using div?or/?is deprecated, and?in?a future

release div will perform true division?asinPython3.Use?true_divide

or floor_divide (//?in?Python) instead.

tensor(1)

PyTorch 1.6行为

>>># NB: the following is equivalent to

>>># torch.floor_divide(torch.tensor(3), torch.tensor(2))

>>>?torch.tensor(3)?//?torch.tensor(2)

tensor(1)

TF团队和PyTorch团队的更新侧重点大同小异，更新也主要在分布式、性能监控等方面。tf.distribute.TPUStrategy在TF2.3成为了稳定API，性能监控也不约而同的增强了对内存的监控。在部署方面，tf.lite大大增强，针对Android和iOS的CPU/GPU性能都有优化。

Pandas 1.1增加了许多方便的小函数。小编觉得最有用的两组更新是：(1) DataFrame.compare() 函数和Series.compare() 函数，可以很方便地比较两个DataFrame或是两个Series。(2) DataFrame排序可以基于关键字key了，排序灵活了不少。

TensorFlow、PyTorch、Pandas这三个库作为AI开发者的必备库，目前都较为稳定，更新内容也基本在预料之中。它们的更新也充分体现了目前AI发展的趋势。在可预见的未来，这两个库都会继续成为AI开发的主力库。

作者：肖智清，清华大学工学博士。著有《神经网络与PyTorch实战》《强化学习：原理与Python实战》。scipy、sklearn等开源项目源码贡献者。近7年发表SCI/EI论文十余篇，多个顶级期刊和会议审稿人。在国内外多项程序设计和数据科学竞赛上获得冠军。

更多精彩推荐
?30名工程师，历时1300天打造，又一“国产”AI框架开源了
?支付宝、微信支付回应被反垄断调查；搜狗宣布成立独立特别委员会；GNU nano 5.0 发布| 极客头条
?V神演讲内容曝光！Defi、挖矿、行业应用更多主题大揭秘
?PyTorch 1.6、TensorFlow 2.3、Pandas 1.1同日发布！都有哪些新特性？
?程序员必备基础：Git 命令全方位学习
?公链还能这样玩？二次元、出圈与社区自治
点分享
点点赞
点在看