新智元报道 来源：Pytorch 官网【新智元导读】今天，PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统。新版本完全改变了API，是本年度最重大的升级。TensorFlow依旧有王者荣耀，但PyTorch虎视眈眈。今天，PyTorch官方在GitHub发布0.4.0版本，最重要的改进是支持Windows系统。PyTorch是在2017年1月由Facebook推出的。它是经典机器学习库Torch框架的一个端口，Torch二进制文件包装于GPU加速的Python。除了GPU加速和内存使用的高效外，PyTorch受欢迎的主要因素是动态计算图的使用。已经有其他一些不太知名的深度学习框架使用动态计算图，例如Chainer。动态图的优点在于，图（graph）是由run定义（“define by run”），而不是传统的“define and run”。特别是，在输入可以变化的情况下，例如文本这样的非结构化数据，这非常有用而且高效。图：PyTorch动态计算图 -以下为更新内容目录：主要核心变更Tensor/Variable合并零维张量dtypes迁移指南新功能张量全面支持高级索引快速傅立叶变换神经网络权衡内存计算bottleneck - 一个在你的代码中识别hotspots的工具torch.distributions24个基本概率分布增加了cdf，方差，熵，困惑度（perplexity）等。分布式训练易于使用的Launcher utilityNCCL2后端C ++扩展Windows支持ONNX改进RNN支持性能改进Bug修复主要核心变化以下是用户每天使用的最重要的核心功能的更新。主要变化和潜在的重要更新：Tensors 和 Variables已经合并有些操作会返回0维（标量）Tensors弃用了 volatile flag改进：添加了 dtypes，devices和 Numpy 风格的 Tensor 创建函数支持编写与device无关的代码PyTorch团队编写了一个迁移指南，帮助用户将代码转换为新的API和style。 如果您想要迁移以前版本的PyTorch中的代码。

l本部分的内容（主要核心变更）包含在迁移指南中。合并 Tensor 和 Variable 类torch.autograd.Variable 和 torch.Tensor 现在是同一类。更确切地说，torch.Tensor 能够跟踪历史并像旧的 Variable 一样运行；Variable 的换行继续像以前一样工作，但返回的对象类型变成 torch.Tensor。这意味着你不再需要将代码中的任何 Variable wrapper。Tensor 的 type( ) 已经改变还要注意 Tensor 的 type( ) 不再反映数据类型。使用isinstance（）或 x.type（）来代替：Windows支持PyTorch现在正式支持Windows！我们为Python 3.5和3.6提供预编译的Conda二进制文件和pip wheels。Windows上的PyTorch不支持分布式训练，可能比Linux / OSX慢一点，因为Visual Studio支持较早版本的OpenMP。与往常一样，你可以使用http://pytorch.org上的命令在Windows上安装PyTorch。