近日，一年一度的PyTorch开发者大会召开。
在会上，Meta（原名Facebook）发布了PyTorchLive，这是一套可以为移动端用户提供人工智能体验的工具。
PyTorchLive支持一种编程语言JavaScript，可以为Android和iOS两个移动端操作系统开发应用程序，还能为更广泛的PyTorch社区提供定制机器学习模型的服务。
目前，PyTorchLive已经开源，版本号。
PyTorchLive开源项目中包括PyTorchLive命令行界面（即torchlive-cli），一个依赖PyTorchMobile库在移动设备上进行推理的ReactNative包，以及一个ReactNative模板，还有一些可以在移动设备上部署的示例。
PyTorch官网声称，PyTorchLive是一个十分易于使用的工具库，使用PyTorchLive可以帮助开发者在几分钟内成功构建一个手机端机器学习演示APP。
2017年1月，Meta发布了一个基于Torch的开源机器学习库PyTorch。
自2015年以来，TensorFlow一直占据上风，但是PyTorch在发布后也逐渐升温，在开发人员社区中快速普及。
近几年，PyTorch成为机器学习领域增长最迅猛的开源项目之一。Meta透露，2019年的时候，该平台的贡献者数量就同比增长超过50%，增长近1200人。
而基于PyTorch中的PyTorchMobile，PyTorchLive就可以允许开发者在PyTorch生态系统中完成从训练模型到部署模型的全过程，而且它还提供了可用于创建可视化用户界面的ReactNative库。
PyTorchMobile在2019年10月发布，在此之前，Meta发布了Caffe2go，这是一个基于Caffe2机器学习框架，并针对移动端CPU和GPU进行特别优化的全新框架。
值得一提的是，不管开发人员想在移动设备或是其他边缘设备上运行PyTorchMobile，都是可以的。甚至PyTorchMobile也可以运行在服务器上。
MetaAI软件工程师RomanRadle表示，「如果你想展示一个运行在Android和iOS移动端上的模型，就需要花费数天时间来配置项目和构建用户界面。有了PyTorchLive，开发成本降低了一半，而且你也不需要有太多Android开发和iOS开发的经验」。
目前，PyTorchLive的beta测试版只支持苹果macOS操作系统。不过，对Windows和Linux系统的支持很快也会有。
PyTorchLive有几个依赖包需要先安装。
一个是。如果还没有装的话，可以从官方网站下载或者通过Homebrew安装（即brewinstallnode）。
另外一个是Xcode。如果想在iOS模拟器或iOS设备上运行PyTorchLive应用，就需要从苹果应用商店安装Xcode。PyTorchLive目前支持或更高版本。
在开发过程中，配置环境可能是个既繁琐又困难的事。
PyTorchLive提供了一个安装例程，可以自动安装所需的依赖项。它将自动尝试安装以下库和工具：
Homebrew
OpenJDK
Yarn
Watchman
AndroidCommandLineTools
AndroidSDK
AndroidSDKManager
AndroidVirtualDeviceManager
AndroidEmulator
CocoaPods
PyTorchLive工具包提供了一个命令行界面（CLI）和一个数据处理API。
CLI使开发人员能够建立一个移动开发环境，并引导开发人员去构建移动应用程序项目。
至于数据处理API，它集成了PyTorchLiveAPI中的自定义模型，这些模型可以内置到Android和iOS的移动端应用程序中。
目前，PyTorchLive已经支持的功能有：
1.图像分类
对相册里的照片进行分类
2.目标检测
3.手写数字识别
4.语言问答
用户也可以自行定制一些别的小功能。
Radle表示，「让开发人员更容易地开发移动应用程序，并向社区展示机器学习模型是我们的初衷。同时，这也是一个机会，通过建立一个由研究人员和移动开发人员组成的蓬勃发展的社区，他们才能共享和使用模型，可以进行思想碰撞和交流。」
PyTorch的任务是加速从研究原型到生产部署的过程。随着移动端机器学习生态系统的不断发展，PyTorchLive的发布比以往任何时候都更加重要。
因此，有网友将PyTorchLive称为「Gamechanger！」
参考资料：
版权声明：本站所有作品（图文、音视频）均由用户自行上传分享，仅供网友学习交流，不声明或保证其内容的正确性，如发现本站有涉嫌抄袭侵权/违法违规的内容。请举报，一经查实，本站将立刻删除。