PyTorch 0.4：年度最大更新！完全改变API，官方支持Windows

就在今天，PyTorch官方在GitHub发布了全新的0.4.0版本，新版本完全改变了API，是本年度最重大的升级。不过最重要的应该是为广大Windows用户提供了官方Windows版本！对于我等windows用户简直是个喜大普奔的好消息！

“Windows Support” 郝然在列！

TensorFlow依旧独领风骚，PyTorch仍然虎视眈眈。TensorFlow发布一年后，Facebook在2017年1月推出了PyTorch。它是经典机器学习库Torch框架的一个端口，Torch二进制文件包装于GPU加速的Python。PyTorch在TensorFlow有着绝对流行度的形势下依旧有着越来越多的青睐者。除了GPU加速和内存使用的高效外，PyTorch受欢迎的主要因素是动态计算图的使用。已经有其他一些不太知名的深度学习框架使用动态计算图，例如Chainer。而动态图的优点在于，图（graph）是由run定义（“define by run”），而不是传统的“define and run”。特别是，在输入可以变化的情况下，例如文本这样的非结构化数据，这非常有用而且高效。

就如PyTorch官网介绍的那样：

PyTorch is a deep learning framework that puts Python first.

更新内容目录

主要核心变更

• Tensor/Variable合并
• 零维张量
• dtypes
• 迁移指南

新功能

• 张量：全面支持高级索引；快速傅立叶变换
• 神经网络：权衡内存计算；bottleneck - 一个在你的代码中识别hotspots的工具
• 概率分布：24个基本概率分布；增加了cdf，方差，熵，困惑度（perplexity）等。
• 分布式训练：易于使用的Launcher utility；NCCL2后端
• C ++扩展
• Windows支持
• ONNX改进：RNN支持

性能改进

Bug修复

主要核心变化

以下是用户每天使用的最重要的核心功能的更新。

主要变化和潜在的重要更新：

• Tensors 和 Variables 已经合并
• 有些操作会返回0维（标量）Tensors
• 弃用了 volatile flag

改进：

• 添加了 dtypes，devices 和 Numpy 风格的 Tensor 创建函数
• 支持编写与device无关的代码

PyTorch团队编写了一个迁移指南，帮助用户将代码转换为新的API和style。 如果您想要迁移以前版本的PyTorch中的代码。

迁移指南：http://pytorch.org/2018/04/22/0_4_0-migration-guide.html

本部分的内容（主要核心变更）包含在迁移指南中。

合并 Tensor 和 Variable 类

torch.autograd.Variable 和 torch.Tensor 现在是同一类。更确切地说，torch.Tensor 能够跟踪历史并像旧的 Variable 一样运行；Variable 的换行继续像以前一样工作，但返回的对象类型变成 torch.Tensor。这意味着你不再需要将代码中的任何 Variable wrapper。

Tensor 的 type( ) 已经改变

还要注意 Tensor 的 type( ) 不再反映数据类型。使用isinstance（）或 x.type（）来代替：

>>> x = torch.DoubleTensor([1, 1, 1])
>>> print(type(x)) # was torch.DoubleTensor
<class 'torch.autograd.variable.Variable'>
>>> print(x.type())  # OK: 'torch.DoubleTensor'
'torch.DoubleTensor'
>>> print(isinstance(x, torch.DoubleTensor))  # OK: True
True

Windows支持

PyTorch现在正式支持Windows！我们为Python 3.5和3.6提供预编译的Conda二进制文件和pip wheels。Windows上的PyTorch不支持分布式训练，可能比Linux / OSX慢一点，因为Visual Studio支持较早版本的OpenMP。

Windows安装方法（以Python3.6为例）：

Conda安装：

conda install pytorch -c pytorch
pip3 install torchvision

pip安装：

pip3 install http://download.pytorch.org/whl/cu80/torch-0.4.0-cp36-cp36m-win_amd64.whl
pip3 install torchvision