PyTorch 1.8 已发布，此版本由 1.7 发布以来的 3000 多个 commit 组成，重要更新内容包括在编译、代码优化和科学计算前端 API 方面的优化和改进，以及通过 pytorch.org 提供的二进制文件来支持 AMD ROCm。1.8 版本还为大规模训练管道、模型并行化，以及梯度压缩提供了特性改进。部分值得关注的亮点：

1. 支持通过torch.fx进行 Python 函数变换
2. 添加或稳定化 API 以支持 FFTs (torch.fft) 和线性代数函数 (torch.linalg)，
3. 添加了对复杂张量 autograd 的支持，以及提升 hessians 和 jacobians 矩阵计算的性能
4. 针对分布式培训的重大更新和改进，包括：提升 NCCL 可靠性、支持管道并行化、RPC profiling、以及通过添加梯度压缩以支持通信钩子 (communication hook)

点此查看完整 release note。

除了 PyTorch 1.8，PyTorch 团队还发布了针对 PyTorch 库的重大更新，包括 TorchCSPRNG, TorchVision, TorchText 和 TorchAudio。点此查看关于库更新的详细消息。

PyTorch 版本中的功能分为稳定版 (Stable)、测试版 (Beta) 和原型版 (Prototype)。这篇帖子介绍了相关的定义说明。

PyTorch 在移动端方面的改进正在通过一系列新的教程进行扩展，以帮助新用户更快地在设备上启动模型，并为现有用户提供一种工具，以使 PyTorch 框架发挥更多作用。其中包括：

• iOS 端实现图像分割 DeepLabV3 模型
• Android 端实现图像分割 DeepLabV3 模型

新演示应用程序还包括图像分割、目标检测、神经机器翻译、问题解答和视觉转换的示例。它们均支持在 iOS 和 Android 上使用：

• iOS demo app
• Android demo app

除了在 MobileNetV3 和其他型号的 CPU 上进行性能改进之外，PyTorch 还改进了 Android GPU 后端原型，以实现更广泛的型号覆盖和更快的推理：

• Android 教程

最后，此版本新特性还包括启动 PyTorch Mobile Lite Interpreter，该解释器可降低运行时二进制文件大小。

详细更新内容查看 发布公告。