今天，Facebook正式公布PyTorch 1.0，这是将基于Python的PyTorch与Caffe2合并的一个新版本的框架，让开发者可以无缝地将AI模型从研究转到生产，而无需处理迁移
“现在，你只需要使用PyTorch 1.0，就可以在一个框架中无缝地进行从研究到生产的全部过程，而不需要为训练/研究和生产分别选择框架。”Facebook发言人在F8大会上说。
Facebook去年与微软合作推出开放神经网络交换（ONNX）格式，这是一个用于表示深度学习模型的标准，旨在使不同框架之间的移动更加简单。现在，Facebook已经将ONNX整合到PyTorch 1.0中，使模型能够与其他框架进行互操作，并且开发人员可以“混合搭配”。
Facebook还表示，将统一PyTorch 0.4和Caffe2的代码库，以创建一个统一的框架，支持多种功能，包括高效的图形模式执行、分析、移动部署等。
PyTorch 1.0将在未来几个月内发布，据悉，微软计划在Azure中支持该框架，亚马逊也将在其云产品中支持PyTorch 1.0。
PyTorch官方博客介绍了PyTorch 1.0的更多细节：
生产性：在PyTorch 1.0中，你的代码可以继续按原样运行，我们没有对现有的API做任何大更改。如果你不需要优化或导出模型，则不必使用这些新功能，也不会有任何缺点。此外，可以逐步使用 traced或@script模块/函数。
JIT编译器：使用torch.jit编译器将模型导出到非Python环境，并提高其性能。对于不包含循环和if语句的网络，trace是非侵入式的，并且足够稳健，可以处理各种编码风格；对于主要使用控制流的模型（如RNN），我们的解决方案是脚本模式（@script）。
优化和导出：Caffe2 / ONNX中模型的python-free 表示
后端：我们正在替换（或重构）后端ATen库，以整合来自Caffe2的功能和优化。
Timeline：我们的目标是在今年夏天推出 PyTorch 1.0。
PyTorch 1.0：一个框架实现AI从研究到生产的全过程
AI的开发从研究到生产的过程，涉及多个步骤和工具，这使得测试新方法、部署它们，以及迭代以提高准确性和性能都非常耗时而且复杂。为了帮助加速和优化这个过程，我们推出PyTorch 1.0。
PyTorch 1.0采用了Caffe2和ONNX的模块化、面向生产的功能，并将它们与PyTorch现有的灵活的、侧重于研究的设计结合起来，为各种AI项目提供从研究原型到生产部署的快速、无缝的路径。
使用PyTorch 1.0，AI开发人员可以通过在命令式执行模式和声明式执行模式之间无缝切换的混合前端进行快速实验和性能优化。PyTorch 1.0中的技术已经为Facebook的许多产品和服务提供支持，包括每天执行60亿次的文本翻译。
PyTorch 1.0将在未来几个月内推出，并将包含一系列工具、库、预训练的模型和各个开发阶段的数据集，使社区能够大规模地快速创建和部署新的AI创新。