Facebook deu a conhecer há alguns dias que você está apostando no PyTorch como sua estrutura de IA padrão, uma vez que é atual modelos de inteligência artificial já realizam trilhões de operações todos os diasAposto no Pytorch, busca atender a essa demanda crescente por carga de trabalho Como a empresa disse que ao migrar todos os seus sistemas, eles serão capazes de inovar muito mais rapidamente, garantindo uma experiência mais otimizada para todos os seus usuários.
Para quem não sabe PyTorch, eles deveriam saber que é uma biblioteca de aprendizado de máquina de código aberto que é baseado na biblioteca Torch. Foi criado pela unidade de pesquisa de inteligência artificial do Facebook e já é usado para alimentar uma ampla gama de aplicativos de inteligência artificial, como visão computacional e modelos de processamento de linguagem natural.
Exemplos de modelos PyTorch AI incluem a personalização de feeds e histórias de usuários no Instagram e a identificação e remoção de incitação ao ódio no Facebook.
Adotar o PyTorch como estrutura de IA padrão do Facebook ajuda a garantir que todas as experiências em nossas tecnologias sejam executadas de maneira ideal na escala do Facebook e para todos, independentemente do dispositivo, sistema operacional ou qualidade de conexão com a Internet.
Facebook menciona que esta migração também significa que você pode trabalhar em conjunto com uma comunidade mais próxima que nunca:
O PyTorch não apenas torna nosso trabalho de pesquisa e engenharia mais eficaz, colaborativo e eficiente, mas também nos permite compartilhar nosso trabalho como bibliotecas PyTorch de código aberto e aprender com os avanços feitos por milhares de desenvolvedores PyTorch em todo o mundo.
um dos motivos ir para PyTorch é que o processo desde a pesquisa até a produção de IA tem sido tradicionalmente tedioso e complexo, e outro dos principais problemas a serem abordados é que os pesquisadores foram forçados a escolher entre estruturas de IA otimizadas para pesquisa ou produção, mas não para ambas.
Hoje, mais de um ano no processo de migração, existem mais de 1.700 modelos de inferência baseados em PyTorch em produção total no Facebook, e 93 por cento dos nossos novos modelos de treinamento, os responsáveis pela identificação e análise de conteúdo. No Facebook, eles são em PyTorch.
"Esta nova iteração mesclou o PyTorch baseado em Python com o Caffe2 pronto para produção e os modos de execução gráfico e imediato, fornecendo flexibilidade para pesquisa e otimização de desempenho para produção", escreveu o Facebook em seu blog. "Os engenheiros da PyTorch no Facebook introduziram uma família de ferramentas, bibliotecas, modelos pré-treinados e conjuntos de dados para cada estágio de desenvolvimento, permitindo à comunidade de desenvolvedores criar e implementar rapidamente novas inovações de IA em escala."
Em outras palavras, O Facebook está escolhendo o PyTorch porque é uma estrutura única para modelos de IA de pesquisa e produção que oferece flexibilidade para experimentar e também a capacidade de lançar IA em grande escala quando estiver pronto para o horário nobre. Isso torna possível implantar novos modelos em minutos em vez de semanas, disse o Facebook, enquanto reduz a infraestrutura e a carga de engenharia que vem com a manutenção de dois sistemas de inteligência artificial diferentes.
O objetivo de nossa migração PyTorch é criar uma experiência de desenvolvedor ponta a ponta mais suave para nossos engenheiros e desenvolvedores. Queremos acelerar nosso processo da pesquisa à produção usando uma única plataforma que nos permite a flexibilidade de fazer experimentos junto com a capacidade de lançar modelos de IA em escala de produção.
PyTorch também tem uma vantagem quando se trata de executar modelos de IA diretamente em dispositivos como smartphones. Isso ocorre porque o Facebook criou a estrutura PyTorch Mobile que reduz os tamanhos binários em tempo de execução para garantir que os modelos PyTorch AI possam ser executados em dispositivos com poder de processamento mínimo.
fonte: https://ai.facebook.com