PyTorch 1.1.0 发布了，此版本主要提高了性能、添加了新的模型理解和可视化工具以提高可用性，并提供新的 API。
需要注意的是，此版本不再支持 CUDA 8.0。
TensorBoard
TensorBoard 是一个用于检查和理解训练脚本、张量和图的 Web 应用程序套件，使用它可以进行一级与原生可视化和模型调试。PyTorch 现在通过一个简单的“from torch.utils.tensorboard import SummaryWriter”命令原生支持 TensorBoard。
JIT 编译器
即时（JIT）编译有一些改进，这些改进包括各种 bug 修复与 TorchScript 中的扩展功能，例如对字典、用户类和属性的支持。
@torch.jit.script
class Pair:
def __init__(self, first, second)
self.first = first
self.second = second
def sum(self):
return self.first + self.second
新 API
支持布尔张量、更好地支持自定义递归神经网络。
分布式训练
改进了 CNN 等常见模型的性能，增加了对多设备模块的支持，包括在使用分布式数据并行（DDP，Distributed Data Parallel）的同时跨 GPU 分割模型的能力，并支持在每次迭代中不使用所有参数的模块（例如控制流程，如自适应 softmax 等）。
关于性能的提升，有以下几项数据：
nn.BatchNormCPU 推理速度提升 ~19 倍。nn.AdaptiveAvgPool：将 size=1 输出的常见情况加速 ~30x。nn.EmbeddingBagCPU 性能提高了约 4 倍。Tensor.copy_：加速较大张量复制约 2-3 倍，小张量复制有小回退。torch.nonzero：现在比 CPU numpy 快约 2 倍。- 改进 Pascal 和新 GPU 的缓存分配器，Mask-RCNN 的内存利用率提高 10-20％。
reduction functions：将一些大型 Tensor 案件加速 50-80％。
详细更新内容查看：