祝贺Pythorch社区发布Pythorch 1.2！去年秋天，作为我们致力于开源人工智能的一部分，我们让PyTorch成为Azure上主要的、完全支持的培训框架之一。Pythorch在我们的许多人工智能平台服务中都得到了支持，我们的开发人员也加入了Pythorch社区，为代码库做出了重要的改进。今天，我们将分享您在Azure上使用Pythorch 1.2的许多方法，并重点介绍我们为帮助客户将Pythorch模型从培训到生产所做的一些贡献。Azure上的Pythorch 1.2在Azure上使用PyTorch很容易，也是培训和部署PyTorch模型的好方法。我们已将Pythorch 1.2集成到以下Azure服务中，因此您可以利用最新功能：Azure机器学习服务——Azure机器学习简化了机器学习模型的构建、培训和部署。Azure Machine Learning的pythorch SDK有一个专用的pythorch估计器，可以轻松地在您选择的任何计算目标上运行pythorch培训脚本，无论是本地计算机、Azure中的单个虚拟机（VM）还是Azure中的GPU集群。学习如何使用Azure机器学习来训练Pytorch深度学习模型。Azure笔记本——Azure笔记本提供了一个免费的、云托管的Jupyter笔记本服务器，预装了Pythorch 1.2。要了解更多，请查看Pythorch教程和示例。数据科学虚拟机——数据科学虚拟机预先配置了流行的数据科学和深度学习工具，包括Pythorc1.2。您可以选择多种机器类型来托管您的数据科学虚拟机，包括那些带有gpu的虚拟机。要了解更多信息，请参阅数据科学虚拟机文档。从Pythorch到生产PyTorch是一个流行的开源深度学习框架，用于创建和培训模型。它的构建是为了使用gpu的强大功能来进行更快的培训，并且与Python进行了深入的集成，使得入门变得容易。然而，将经过培训的模型部署到生产中一直是客户的一个痛点。对于生产环境，由于性能和多线程要求，使用Python进行核心计算可能不合适。为了应对这一挑战，我们与Pythorch社区合作，使Pythorch培训的模型在生产中更容易使用。PyTorch的JIT编译器使用tracing、TorchScript或两者的混合将模型从急切模式转换为图形模式。然后，我们建议使用PyTorch对ONNX导出的内置支持。ONNX代表开放式神经网络交换，是一种表示机器学习模型的开放式标准格式。可以使用ONNX运行时推断ONNX模型。ONNX运行时是一个推理引擎，用于生产规模的机器学习工作负载，这些工作负载是开源的、跨平台的和高度优化的。用C++编写，运行在Linux、Windows和MAC上。它的小二进制大小使它适合于一系列目标设备和环境。它在CPU、GPU和VPU上得到了加速，这要归功于Intel和NVIDIA将他们的加速器与ONNX Runtime集成在一起。在Pythorch 1.2中，我们增强了ONNX导出功能：支持更广泛的Pythorch模型，包括对象检测和分割模型，如mask RCNN、faster RCNN和SSD支持使用可变长度输入的模型导出可以在各种版本的ONNX推理引擎上运行的模型具有常数折叠的模型优化端到端教程，演示如何将PyTorch模型导出到ONNX并在ONNX运行时中运行推理您可以使用ONNX运行时将自己的PyTorch模型部署到各种生产环境中。通过以下链接了解更多信息：部署到云部署到Windows应用部署到Linux IoT ARM设备下一步行动我们非常高兴看到Pythorch继续发展和改进。我们为我们对Pythorch社区的支持和贡献感到自豪。Pythorch 1.2现已在Azure上提供，请立即开始免费试用。我们期待着您在Azure上使用Pythorch的消息。