这篇文章主要为大家展示了“PyTorch 1.3有什么新功能”，内容简而易懂，条理清晰，希望能够帮助大家解决疑惑，下面让小编带领大家一起研究并学习一下“PyTorch 1.3有什么新功能”这篇文章吧。
网站设计制作过程拒绝使用模板建站；使用PHP+MYSQL原生开发可交付网站源代码;符合网站优化排名的后台管理系统；成都网站设计、成都网站制作收费合理；免费进行网站备案等企业网站建设一条龙服务.我们是一家持续稳定运营了十载的成都创新互联公司网站建设公司。
2019.10.10日，PyTorch 开发者大会在美国旧金山开幕，会上发布了PyTorch 1.3。这次更新最大的亮点在于对移动设备的支持（Mobile Supported）、命名张量（Named Tensors），量化（Quantization），类型提升（Type Promotion）等。另外，PyTorch 官方还开源了很多新工具和库，涉及可解释性、加密、以及关于图像语音的诸多功能。下面会逐一介绍。
Windows的CPU版本安装：
pip3 install torch==1.3.0+cpu torchvision==0.4.1+cpu -f https://download.pytorch.org/whl/torch_stable.html
其他版本安装请参考：
https://pytorch.org/get-started/locally/
PyTorch 1.3也增加了Cloud TPU和阿里云支持。
移动端支持（Mobile Support）
PyTorch 1.3 支持TorchScript直接在移动端进行推理（inference），而不需要任何转换。当然移动端训练（train）目前还是不支持的。
另外，针对fp32和int8做了一些优化：
- 一些fp32的运算在ARM的CPU上做了特定优化（基于Caffe2Go）
- 一些int8的运算在ARM的CPU上做了特定优化（基于QNNPACK）
PyTorch移动端支持的特色在于没有为移动端建立新的框架（对比TensorFlow lite），所有TorchScript的API都可以直接在Android/iOS上运行。
但目前只是试验性质的发布，仍需要不断发展使得PyTorch对于特定的场景更小，更快。
命名张量（Named Tensor）
Named Tensor对Tensor的每一个维度指定具体的名字，这样可以使Tensor易用性更好。例如：
>>> tensor = torch.zeros(2, 3, names=('C', 'N'))
tensor([[0., 0., 0.],
[0., 0., 0.]], names=('C', 'N'))
这样就新建了一个dim=2的Tensor，两个维度分别为’C’和’N’，这样后续就可以直接使用’C’和’N’对Tensor进行操作，而不用使用以前的axis=0或者axis=1这种可读性不好的操作。
量化支持
PyTorch 1.3支持Tensor的量化操作，用户可以方便地
x = torch.rand(10,1, dtype=torch.float32)
# xq 是量化后的向量，数据类型记为 quint8
xq = torch.quantize_per_tensor(x, scale = 0.5, zero_point = 8, dtype=torch.quint8)
# 再转换回浮点数
xdq = x.dequantize()
以上是“PyTorch 1.3有什么新功能”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联行业资讯频道！