在刚刚发布的 PyTorch 1.3 中，Facebook 带来了一个 PyTorch Mobile 框架，它支持在边缘设备上高效运行机器学习，允许从 Python 到在 iOS 和 Android 上部署的端到端工作流。
该功能目前处在早期实验阶段，特性包括：
- 提供 API，涵盖将 ML 集成到移动应用中所需的常见预处理和集成任务
- 支持 QNNPACK 量化内核库和 ARM CPU 支持
- 根据用户的应用需求进行构建级别的优化和选择性编译
- 进一步改善移动 CPU 和 GPU 的性能和覆盖范围
目前已知 Android 版本将使用 Maven 插件，而 iOS 版本将在 Swift 中使用 CocoaPods。当前，官方已经给出 Android 和 iOS 版本的“快速入门 Hello World”指南，详情可以查看：
PyTorch 机器学习框架目前在深度学习领域特别是学术研究项目中大受欢迎，它的主要“竞争对手”是 TensorFlow，不过 TensorFlow 更多地在生产与工业环境下被采用。在移动和 IoT 领域，TensorFlow 已经提供了 TensorFlow Lite 框架。
近日发布的 The Gradient 2019 年机器学习框架报告中，作者引用了 PyTorch 缺乏移动支持的情况，并认为这正是 TensorFlow 在生产/工业环境（相对于学术界）中更受欢迎的一大原因。相信现在 PyTorch Mobile 的推出，可以让 PyTorch 在该领域进一步与 TensorFlow 相抗衡。
猜你喜欢:暂无回复。
