互联新闻：Facebook的PyTorchAI框架增加了对移动应用部署的支持

第二个实验特性旨在在构建机器学习应用程序时更有效地利用服务器端和设备上的计算资源。增加对“八位模型量化”的支持是为了提高推理过程中的性能，即当一个经过训练的机器学习模型得出结论或进行预测时。量化是指用于在降低精度的情况下执行计算和存储的技术。

“为了支持在服务器和边缘设备上更有效地部署，Py火炬1.3现在支持使用熟悉的热切模式PythonAPI的8位模型量化，”Py火炬团队写道。

PyTorch还获得了一种新的工具，名为Captum，该工具旨在帮助开发人员更好地理解为什么他们的机器学习模型得出一定的结论。

“Captum提供了最先进的工具来理解特定神经元和层的重要性，并影响模型的预测，”Py火炬小组写道。“Captum的算法包括集成梯度、电导、平滑梯度和VAR梯度以及深度提升。”

其他更新包括发布探测器2目标检测库，以帮助计算机视觉研究。此外，Facebook还宣布启动一个名为CrypTen的新的基于社区的研究项目，该项目将探索隐私和安全技术的实现，如安全多方计算、可信执行环境和PyTorch的设备上计算。

最后，Facebook表示，PyTorch现在支持GoogleCloud的张量处理单元，以便能够更快速地开发和训练机器学习模型：“当组装成称为CloudTPUPods的多轨ML超级计算机时，这些TPU可以在几分钟或几小时内完成ML工作量;在其他系统中，这些工作量以前需要几天或几周。