PyTorch 1.2.0 正式发布了！

官方在GitHub上发布更新文档，详细介绍了此次升级在JIT、ONNX、分布式、性能以及前端等方面的大量改进，一起来看看吧。

此次升级有超过1900个commit，包括在JIT、ONNX、分布式、性能以及前端等方面的大量改进。

PyTorch在GitHub中对 1.2.0 版本的详细介绍：

https://github.com/pytorch/pytorch/releases

下面我们一起来了解下这次 PyTorch 1.2.0 版本具体升级、改进了哪些地方。

[JIT]新 TorchScript API

1.2.0 版本包含了一个新的API，它可以使 nn.Module 跟易于转换为 ScriptModule。示例如下：

[JIT]改进了TorchScript Python语言覆盖

在 1.2.0 版本中，TorchScript大大改进了对Python语言构造和Python标准库的支持。亮点包括：

· 提前返回(return)、中断(break)以及继续(continue)；

· 基于迭代器的构造，例如 for...in 循环，zip() 和 enumerate()；

· NamedTuples；

· 支持 math 和 string 库；

· 支持大多数Python内置函数。

NN Transformer

此次更新添加了一个NN Transformer模块，该模块完全基于注意力机制，反映出输入和输出的全局依赖性。新版本为nn.Transformer 模块设计了独立的组件，所以可以独自使用，比如，nn.TransformerEncoder可以独自使用，无需更大的nn.Transformer。

数据类型支持的改进与变化

1) 比较操作返回的数据类型由 torch.uint8 变为 torch.bool

2) __invert__ / ~: 现在改为调用 torch.bitwise_not ，而不是1 – tensor并支持所有整型和布尔数据类型，而不仅仅是支持 torch.uint8。

3) torch.tensor(bool)和torch.as_tensor(bool) ：现在指的是 torch.bool数据类型，而不是torch.uint8。

4) nn.BatchNorm{1,2,3}D: gamma (weight) ：现在初始化至所有的1 ，不再U(0, 1)上随机初始化。

5) 移除了一些不适用的线性代数操作，具体见下表，左列为被移除的项目，右列为新增的代替项目：

稀疏张量的一些改进

1) 全面改变张量的稀疏度，不再支持.data

2) 对密集张量构建器的本地修改将不再修改稀疏张量本身

3) 向稀疏.grad累加密集梯度将不再保留Python目标身份。

nn.utils.convert_sync_batchnorm被替换为

nn.SyncBatchNorm.convert_sync_batchnorm (18787)

错误检查

1) torch.addcmul 和 torch.lerp 操作器现在对输出张量形态要求更高，如果输出张量被用作输入之一，则不再允许其改变大小。

2) 变量版本跟踪性能改进

新特性

包括张量类型支持、NN Package、操作器、Optim Package、分布式Package、可迭代数据集、Tensorboard Package等

性能改进

改进内容包括分布式、Tensorboard、Numpy兼容性、JIT、C++ API、MKLDNN张量等。

Bug修正：

包括torch.nn的bug修正、分布式bug修正、JIT bug修正和C++前端bug修正等。

一些不再使用的功能

1) torch.uint8张量掩模被移除，改为支持 torch.bool张量掩模。

2) 之前版本遗留的autograd函数(不包括静态前向法的函数) 不再使用

3) torch.gels 被重命名为torch.lstsq，torch.gels 将不再使用。

性能提升与文档更新

Torch.NN 性能提升。Torch.NN、贡献者、Build、TensorBoard和TorchHUB文档更新。

对ONNX的支持进一步扩展

支持更多的ONNX 操作集

对脚本模块的扩展支持

支持导出更多的Torch操作器到ONNX

扩展现有的导出逻辑

对导出的ONNX图进行了优化

其他一些bug修正和改进