PyTorch 1.7 发布：支持 CUDA 11、FFT 新 API、及 Windows 分布式训练

PyTorch 1.7 现已发布，此版本增加了许多新的 API、包括对与 NumPy 兼容的 FFT 操作的支持、用于性能分析的工具、以及对基于分布式数据并行（Distributed Data Parallel，DDP）和基于远程过程调用（Remote Procedure Call, RPC）的分布式训练的重大更新。

此外，一些功能已经稳定下来，包括自定义 C++ 类、内存分析器、通过类似自定义张量对象的扩展、RPC 中的用户异步函数、以及 torch 中的许多其他功能，例如 Per-RPC timeout、DDP dynamic bucketing 和 RRef helper。

一些更新亮点如下：

正式支持 CUDA 11 ，二进制文件可通过 PyTorch.org下载。

在 autograd 分析器中更新和添加 RPC、 TorchScript 和 Stack traces 的分析和性能

（Beta）通过 torch.fft 支持兼容 NumPy 的快速傅里叶变换（FFT）

（原型）支持 Nvidia 新一代 A100 GPU 和原生 TF32 格式

（原型）现在支持 Windows 上的分布式训练

torchvision

（稳定） 变换现在支持 Tensor 输入、批量计算、GPU 和TorchScript

（稳定）用于 JPEG 和 PNG 格式的原生图像 I/O

（Beta）新的视频读取器 API

torchaudio

（稳定）增加了对语音记录（wav2letter）、文本到语音（WaveRNN）和源分离（ConvTasNet）的支持

值得注意的是，从 PyTorch 1.6 开始，功能的状态将分为三种，分别是稳定、Beta 和原型。

可在此处找到完整的发行说明。