PyTorch机器学习（ML）框架因其灵活性和易用性在ML社区中广受欢迎，我们很高兴能够在Google云上支持它。今天，我们宣布PyTorch/XLA对云tpu的支持现在可以普遍使用了。这意味着PyTorch用户可以使用稳定且支持良好的PyTorch集成访问大规模、低成本的云TPU硬件加速器。

PyTorch/XLA将PyTorch直观的API与XLA线性代数编译器的优点结合起来，后者可以针对CPU、GPU和云TPU，包括云TPU吊舱。PyTorch/XLA将以最小的修改运行大多数标准PyTorch程序，店铺淘客，返回到CPU来执行tpu上尚不支持的操作。借助PyTorch/XLA生成的一份详细报告，大数据都学什么，PyTorch用户可以发现瓶颈并调整其程序，以便在云tpu上更高效地运行。

"PyTorch/XLA使我能够在云tpu上运行数千个实验，游戏返利，而我的PyTorch工作流几乎没有任何变化，"Jonathan Frankle说，麻省理工学院（MIT）的博士生。"它提供了两全其美：PyTorch的易用性以及tpu的速度和成本效率。"。Frankle已经使用PyTorch/XLA来扩大他与"彩票假说：发现稀疏的、可训练的神经网络"相关的最新研究，他的突破性工作赢得了2019年ICLR的最佳论文奖。

艾伦人工智能研究所（AI2）最近在多个项目的云TPU上使用PyTorch/XLA。AI2的研究科学家马修·彼得斯（Matthew Peters）目前正在使用PyTorch/XLA研究向最先进的语言模型添加视觉组件的方法，以提高他们的语言理解能力。"虽然Pytork/XLA仍然是一项新技术，但它为已经投资Pytork的组织提供了一个很有希望的新平台来培训他们的机器学习模型，"Peters说，

为了帮助您开始使用Pytork/XLA，googlecloud支持越来越多广泛使用的深度学习模型和相关教程的开源实现。以下是ResNet-50、Fairseq Transformer、Fairseq RoBERTa和DLRM的教程。我们还在开发开源工具，以促进对ML模型的持续测试，网络云服务器，我们还帮助PyTorch Lightning和Hugging Face团队使用这个框架在云tpu上运行他们自己的测试。（这里是PyTorch Lightning团队的相关博客文章。）

查看上面链接的教程，通过Colab在浏览器中试用PyTorch/XLA，并将问题和请求发布到PyTorch/XLA GitHub repo。我们还刚刚发布了一个新的深度学习虚拟机（DLVM）映像，企业系统开发，它与PyTorch 1.6一起预装了PyTorch/XLA—下面是如何快速开始使用这个新的DLVM映像的说明。