Facebook 的 AI 团队正在将其所有机器学习模型部署转移到 PyTorch 框架，并在开发框架上标准化，该公司周三在今年虚拟举行的 F8 年度开发者活动中表示。
AI 团队的 CTO Mike Schroepfer 在新闻发布会上说：“我们现在正处于标准化 PyTorch 上所有工作负载的阶段。”
根据 Schroepfer 的说法，在一种研究人员与开发人员的较量中，只有在 Schroepfer 和团队接受了 Facebook AI 研究负责人 Yann LeCun 的想法后，才会做出这个决定。
Schroepfer 解释说：“我与 Yann LeCun 进行了这场激烈的、拖延的辩论很长一段时间。”
“也许人工智能就像，我用 3D 打印机制作原型，然后一旦我们弄清楚我们想要什么，我们就把它浇铸成混凝土，所以我们有一个完全独立的生产工具链”出于性能原因。 另一方面，LeCun 坚持认为一种工具可以同时用于研究和生产。
分歧与 Facebook 在 2016 年推出的 PyTorch 的历史有关。
PyTorch 是一个机器学习函数库，部分使用 Python 编程语言编写，但包含大量 C++。 它改编自现有框架 Torch，作为 Theano、Caffe 和 Google 的 TensorFlow 等框架的替代方案。 该软件目前处于 1.8.1 的稳定版本中。
Schroepfer 指出，PyTorch 的主要价值传统上是用户体验，以便轻松构建和调试。 这赢得了 LeCun 等研究人员的忠诚度，他们希望快速修改神经网络、测试并再次修改。 然而，它比许多专门为最高性能而构建的编程工具慢。
因此，尽管 Facebook 具有研究价值，但它一直在混合使用研究和生产框架，Schroepfer 说，其中 Caffe 2 是公司内部使用第二广泛的框架。 他说，还使用了各种“特定领域的框架”。
Schroepfer 说，事实证明，尽管 PyTorch 并不总是最快的库，但“生产工程师希望使用所有最新的研究成果。” 他解释说，首先，研究人员正在解决越来越多的问题。
Schroepfer 指出，用于语音识别或自然语言处理的大型 AI 模型“通常建立在 PyTorch 之上”，不仅在 Facebook，在其他公司和学术界也是如此。 “他们通常在 PyTorch 中有 GitHub 存储库。”
目前，Facebook 93% 的 AI 模型都是使用 PyTorch 部署的。
根据 Schroepfer 的说法，标准化的目的是通过将公司的大部分工作整合到一个库中，从而加快 Facebook 在各种应用程序中的 AI 开发和部署。
Facebook 的工程师“现在触手可及的是这个最先进模型的工具箱，我可以更快地将它们投入生产，因为它们建立在我用来构建和发布网站的相同工具链上 十亿用户规模，”他说。
“当你将这种整合到一个单一的工具中时，你所看到的只是人们完成工作和锻炼的能力的巨大转变。”
Schroepfer 补充道，“随着行业对此类工具的进一步标准化，这将进一步加快我们的能力，不仅可以撰写有关这些东西的研究论文，而且可以将这些工具推向世界以帮助真实的人。”
在幕后，Schroepfer 和团队不得不做一些事情来帮助 PyTorch。
例如，他们运行一个名为 TorchScript 的程序，该程序允许进行运行时优化。 “让我在 Python 中随心所欲地编写代码，但如果我正确地标记它，我们就可以在后台运行这个非常酷的优化器，以提高它的效率。”
“我们慢慢缩小了这里的差距，”他谈到 PyTorch 被放大时说。
Schroepfer 说：“我对结果感到惊讶，这个以易用性、实验性和敏捷性开始的工具找到了进入生产的方式。”
“扬恩是对的，我错了，”他说。
当被问及 Facebook AI 是否会因标准化而失去多样性的好处时，Schroepfer 澄清说，研究仍然可以发挥它想要的所有新事物。
“我们的研究团队有很大的实验自由，他们总是在试验新技术，这就是 PyTorch 最初的诞生方式，”他说。
