Facebook ha annunciato che Microsoft ha assunto la proprietà dello sviluppo e della manutenzione della build PyTorch per Windows.
Per chi non lo sapesse, PyTorch è una libreria di machine learning per il linguaggio di programmazione Python, più accessibile di altri strumenti di deep learning.
La mossa è uno sforzo da parte di Microsoft per migliorare le prestazioni della libreria sui computer Windows 10 e il sottosistema Windows per Linux (WSL), uno strumento preferito dagli sviluppatori per eseguire distribuzioni Linux.
A cosa serve PyTorch?
PyTorch, è stato rilasciato da Facebook nel gennaio 2017 ed era basato su Torch, un framework di calcolo scientifico e un linguaggio di script.
Lo strumento aiuta gli sviluppatori a utilizzare pacchetti Python di apprendimento automatico e supporta calcoli accelerati dalla GPU per le attività sui dati.
PyTorch è visto dagli esperti come uno dei progetti in più rapida crescita su GitHub, da qui lo stretto interesse di Microsoft.
Per quanto riguarda Facebook, hanno utilizzato PyTorch nello strumento di intelligenza artificiale Translate che alimenta la traduzione per 48 lingue su Facebook.
Secondo l'annuncio, il supporto di Windows per PyTorch è rimasto indietro rispetto ad altre piattaforme.
La mancanza di copertura del test ha provocato problemi imprevisti che si verificano di tanto in tanto. Alcuni dei tutorial principali, pensati per i nuovi utenti per imparare e adottare PyTorch, non funzionerebbero.
Anche l'esperienza di installazione non è stata così fluida, con la mancanza del supporto PyPI ufficiale per PyTorch su Windows.
Infine, alcune delle funzionalità di PyTorch semplicemente non erano disponibili sulla piattaforma Windows, come la libreria di dominio TorchAudio e il supporto di formazione distribuito.
PyTorch migliorerà su WSL e sulla piattaforma CUDA di Nvidia
Come accennato in precedenza, il passaggio di PyTorch a Microsoft aiuterà anche a migliorare WSL su Windows 10, che ha il supporto in anteprima per la formazione di machine learning (ML) accelerata dalla GPU.
E questo apre la porta a sviluppatori e data scientist per utilizzare la piattaforma CUDA di Nvidia per accelerare la formazione.
Sei uno sviluppatore? Come ti senti riguardo a questa mossa? Raccontaci tutto nella sezione Commenti qui sotto.
- Strumenti e suggerimenti per la programmazione