PyTorch 1.8 发布，支持 AMD，优化大规模训练

内容导读

北京时间 3 月 4 日，PyTorch 官方博客发布 1.8
版本。据官方介绍，新版本主要包括编译器和分布式训练更新，同时新增了部分移动端教程。

整体来看，本次版本更新涵盖 1.7 版本发布以来，共计 3,000 多次 commit，包括编译、代码优化、科学计算前端 API 以及通过 pytorch.org 提供的二进制文件支持 AMD ROCm。

同时 PyTorch 1.8 还为管道和模型并行的大规模训练，进行了功能改进和梯度压缩。

其中一些重点更新包括：

1. 通过 torch.fx ，可进行 python 之间的函数转换；
2. 增加/调整 API，以支持 FFT( torch.fft )、线性代数函数(torch.linalg)，支持复杂张量自动求导（autograd），并提升了计算 hessian 和 jacobian 的性能表现；
3. 对分布式训练进行了重大更新和改进，包括：改进 NCCL 可靠性，支持管道并行，RPC 分析，支持添加梯度压缩的通讯 hooks。

在 PyTorch 1.8 中，官方对一些 PyTorch 库也进行了重大更新，包括 TorchCSPRNG、TorchVision、TorchText 和 TorchAudio。

新增及更新 API

新增及更新 API 包括：与 NumPy 兼容的额外 API，及在推理和训练时方面，提高代码性能的额外 API。

以下为 PyTorch 1.8 主要更新功能的简介。

[稳定版] Torch.fft 将支持高性能 NumPy 中的 FFT

PyTorch 1.8 中发布了 torch.fft 模块。该模块在实现 NumPy np.ft 功能的同时，还支持硬件加速和 autograd。

[测试版] torch.linalg 将支持 NumPy 中的线性代数函

torch.linalg 以 NumPy np.linalg 为原型，为常见的线性代数运算提供与 NumPy 类似的支持，包括 Cholesky 分解、行列式、特征值等。

[测试版] 利用 FX 进行 Pthon 代码转换

FX 使得开发者可以通过 transform(input_module : nn.Module) -> nn.Module 进行 Python 代码转换，输入 Module 实例，得到转换后的 Module 实例。

分布式训练

为了提高 NCCL 稳定性，PyTorch 1.8 将支持稳定的异步错误/超时处理；支持 RPC 分析。此外，还增加了对管道并行的支持，并可以通过 DDP 中的通讯钩子进行梯度压缩。

详情如下：

[测试版] 管道并行

提供一个易于使用的 PyTorch API，可将管道并行作为训练循环的一部分。

[测试版] DDP 通讯钩子

DDP 通讯钩子(communication hook)是一个通用接口，通过在 DistributedDataParallel 中覆盖 vanilla allreduce 来控制 worker 之间的梯度通讯。

PyTorch 1.8 新增部分内置的通讯钩子，如 PowerSGD，用户可以按需调用。此外，通讯钩子接口还支持用户自定义通讯策略。

分布式训练的附加原型功能

除了在稳定版和测试版中新增的分布式训练功能外，Nightly 版本中也相应增加了部分功能。

具体如下：

**[Prototype] ZeroRedundancyOptimizer
[Prototype] 进程组 NCCL 发送/接收
[Prototype] RPC 中用 TensorPipe 支持 CUDA
[Prototype] 远程模块**

PyTorch 移动端

PyTorch 1.8 中为新用户提供了多个移动端教程，旨在帮助新用户更迅速地将 PyTorch 模型部署在移动端。

同时为老用户提供开发工具，让其更得心应手地用 PyTorch 进行移动端开发。

PyTorch 移动端新增教程包括：

• iOS 端用 DeepLabV3 进行图像分割
• Android 端用 DeepLabV3 进行图像分割

iOS 端用 DeepLabV3 进行图像分割

新增 demo APP 还包括图像分割、目标检测、机器翻译、智能问答等(iOS & Android)。

除了在 CPU 上对 MobileNetV3 等模型进行性能提升外，官方还对 Android GPU 后台原型进行了改造，以覆盖更多机型、进行更快速的推理。

另外，PyTorch 1.8 还推出了 PyTorch Mobile Lite 解释器功能，允许用户减少运行时二进制文件的大小。

[Prototype] PyTorch Mobile Lite Interpreter

PyTorch Lite Interpreter 是 PyTorch runtime 的精简版，可在空间受限的设备中执行 PyTorch 程序，并减少二进制文件对存储空间的占用。

与当前版本中的设备运行时相比，这一功能可减少 70% 的二进制文件大小。

性能优化

PyTorch 1.8 中新增对 benchmark utils 的支持，使用户能够更轻松地监控模型性能。另外还新开放了一个自动量化 API。

[测试版] Benchmark utils

Benchmark utils 允许用户进行精确的性能测量，并提供组合工具，帮助制定基准和进行后期处理。

代码示例：

from torch.utils.benchmark import Timer

results = []
for num_threads in [1, 2, 4]:
    timer = Timer(
        stmt="torch.add(x, y, out=out)",
        setup="""
            n = 1024
            x = torch.ones((n, n))
            y = torch.ones((n, 1))
            out = torch.empty((n, n))
        """,
        num_threads=num_threads,
    )
    results.append(timer.blocked_autorange(min_run_time=5))
    print(
        f"{num_threads} thread{'s' if num_threads > 1 else ' ':<4}"
        f"{results[-1].median * 1e6:>4.0f} us   " +
        (f"({results[0].median / results[-1].median:.1f}x)" if num_threads > 1 else '')
    )

1 thread     376 us   
2 threads    189 us   (2.0x)
4 threads     99 us   (3.8x)

[Prototype] FX Graph Mode Quantization

FX Graph Mode Quantization 是 PyTorch 中新增的自动量化 API。它通过增加函数支持和自动化量化过程，改进 Eager Mode Quantization。

硬件支持

[测试版]强化 PyTorch Dispatcher 的能力，改善 C++ 中后端开发体验

PyTorch 1.8 支持用户在 pytorch/pytorch repo 之外创建新的树外(out-of-tree)设备，并与本地 PyTorch 设备保持同步。

[测试版] AMD GPU 二进制文件现已推出

PyTorch 1.8 新增对 ROCm wheel 的支持，用户只需根据标准 PyTorch 安装选择器，安装选项选择 ROCm，然后执行命令，即可轻松上手使用 AMD GPU。

教程及文档详情，请访问以下链接查看：

https://pytorch.org/blog/pyto...