端到端机器学习框架PyTorch 通过用户友好的前端、分布式训练以及工具和库生态系统实现快速、灵活的实验和高效的生产。生产就绪借助 TorchScript,Py
端到端机器学习框架
PyTorch 通过用户友好的前端、分布式训练以及工具和库生态系统实现快速、灵活的实验和高效的生产。
生产就绪借助 TorchScript,PyTorch 在 Eager 模式下提供易用性和灵活性,同时无缝过渡到图形模式,以实现 C++ 运行时环境中的速度、优化和功能。
TorchServe
TorchServe 是一款易于使用的工具,可用于大规模部署 PyTorch 模型。它与云和环境无关,并支持多模型服务、日志记录、指标以及创建 RESTful 端点以进行应用程序集成等功能。
分布式训练利用对可通过 Python 和 C++ 访问的集体操作异步执行和点对点通信的本机支持,优化研究和生产中的性能。
移动版(实验性)
PyTorch 支持从 Python 到 iOS 和 Android 部署的端到端工作流程。它扩展了 PyTorch API,以涵盖将 ML 纳入移动应用程序所需的常见预处理和集成任务。
本机 ONNX 支持
以标准 ONNX(开放神经网络交换)格式导出模型,以便直接访问 ONNX 兼容平台、运行时、可视化工具等。
C++ 前端C++ 前端是 PyTorch 的纯 C++ 接口,遵循已建立的 Python 前端的设计和架构。它旨在支持高性能、低延迟和裸机 C++ 应用程序的研究。