羅若天是真的菜2017-12-05 23:54:23有點過了，0。3沒有什麼大的breaking的修改，等variable和tensor合併了再說吧。
（aten的工作量是很大的，但對前端來說沒什麼區別。）
個人覺得沒有0。1到0。2的步子大。但我覺得0。4 可能很快就會出。
餘昌黔2017-12-06 00:30:37難道以後每個小版本也要出現“看待”問題了？
——————-正文——————-
簡單談一下，比較吸引我的幾點∶
1。
更快
。softmax和log_softmax提速4x到256x（震驚臉）。分散式的AllReduce提速2。5x到3x。還有framwork的overhead變小了
2。
Unreduced Loss
。 以前的做法是會sum整個mini batch裡的loss，現在可以選擇為每個example返回individual loss了。感覺又可以對loss hack一發了
3。
load_state_dict
可選擇是否嚴格match key。想當初load model的時候你非得嚴格match key不然就得寫一段程式碼來判斷，雖然很短，但是真的反邏輯啊。現在好了，可以選擇了，不嚴格的時候，就只load能對上的parameter，對不上的ignore
4。有個看起來酷酷的
in-built profiler
，可以用來檢視各個步驟cpu和gpu上的耗時了
暫時這些啦~等用起來再體會體會。
感覺0。4也不遠了吧
匿名使用者2017-12-06 01:09:08啥時候官方支援windows了，我一定把pytorch吹上天。然而現在還得靠好心人做的第三方windows包，更新速度慢不說，還有各種迷之bug。今天跑wgan跑到176iteration就kernel died，每次如此，哎╮（￣⊿￣）╭
鱉鱉耶夫·蘇跳跳2017-12-06 04:56:42似乎是修復了dataparallel的死鎖……但是我想知道dataparallel的記憶體洩漏和per-loop效率不斷降低修好沒有………
潘達的一生之敵2017-12-06 10:07:07最近在寫強化學習的東西。
原先的版本中是內建了Variable。reinforce（）這個用於策略梯度的函式，但是讓人感覺沒頭沒腦的，不知道其作用機理。新版本的release list第一條就是修改了這個函式，讓它變得更加直觀了。具體的可以參見release list。
