PyTorch 作为 Facebook 开发和维护的一个开源框架，近来的发展势头相当强劲。自 2017 年初首发以来，PyTorch 灵活、动态的编程环境及对用户友好的界面使其非常适用于快速实验，因此在社区内迅速发展壮大。
2018 年 12 月，PyTorch 1.0 正式版发布，解决了包括可重用、性能、编程语言和可扩展性等在内的一系列问题。
今日，PyTorch 发布最新版本，做了一系列更新，包括正式支持 Transformer、TensorBoard 等。
正式支持 Transformer 与 TensorBoard
基于论文《Attention is All You Need》，PyTorch 1.2 版本加入了标准的 nn.Transformer 模块。nn.Transformer 模块完全依赖注意机制描述输入和输出之间的全局依赖关系。nn.Transformer 模块的组件是单独设计的，以便于被分开使用。例如，没有更大的 nn.Transformer 的情况下，nn.TransformerEncoder 可被自身使用。新的 API 包括：
现在，简单的输入 from torch.untils.tensorboard import SummaryWriter 就能启动 TensorBoard，它已经不再是实验版了，这就表示 PyTorch 终于正式支持 TensorBoard 啦。
一旦我们安装了 TensorBoard，PyTorch 的这项新 API 就会将模型和指标记录到 TensorBoard UI 的目录中，并进行可视化。它对所有基于 PyTorch、Caffe 2 的模型和张量都支持数量、图像、直方图、图和嵌入可视化。
其它重要更新
新的 TorchScript API
PyTorch 1.2 版本为 nn.Modules 转换成 ScriptModules 提供了新的、易用的 API。简单用例如下：
torch.jit.script() 将尝试以递归形式编译指定的 nn.Module，其中包括调用自 forward() 的任何子模块或方法。相关变更情况以及如何迁移详见《migration guide》。
提升 TorchScript Python 语言覆盖范围
在 PyTorch 1.2 版本中，TorchScript 显著提升了自身对 Python 语言结构和 Python 标准库的支持。亮点包括如下：
提前返回、终止和继续；
基于迭代器的结构，如 for..in 回路、zip() 和 enumerate()；
NamedTuples；
支持 math 和 string 库
支持大多数 Python 内部函数
扩展 Onnx 导出
通过与微软合作，PyTorch 1.2 版本全面支持导出 ONNX Opset 版本 7 (V1.2)、版本 8(v1.3)、版本 9(v1.4) 以及版本 10 (v1.5)。PyTorch 1.2 还增强了常量折叠通道（constant folding pass），以支持 ONNX 最新可用版本 Opset 10。此外，用户现在可以注册自己的符号（symbolic）以导出自定义操作，同时可以在导出时指定输入的动态维度。重大改进之处如下：
支持多个 Opsets 版本，包括 Opset 10 版本中导出 dropout、slice、flip 和 interpolate；
改进 ScriptModule，包括支持多输出、张量 factory 以及作为输入和输出的元组；
支持 10 多个额外的 PyTorch 操作符，包括导出自定义操作符。
参考链接：https://github.com/pytorch/pytorch/releases
