标签
现代计算机视觉与PyTorch第二版书籍,涵盖从基础到生成式AI和扩散模型等高级主题。
PyTorch 基金会现已扩展,托管六个开源 AI 项目(PyTorch、vLLM、DeepSpeed、Ray、Helion 和 Safetensors),以在整个 AI 生命周期中提供中立的供应商治理,应对企业在推理、安全性和可扩展性方面的挑战。
推广《Python机器学习实战》第四版,作者Yuxi (Hayden) Liu,涵盖使用TensorFlow、PyTorch和scikit-learn的最佳实践和高级机器学习技术。
介绍了MKEvolve,一个模块化多智能体框架,用于迭代地共同演化模块分解和硬件加速器的LLM生成内核,相比直接合成实现了更高的正确性和加速,同时减少了令牌使用量。
NVIDIA的Ising解码器,基于PyTorch和NVIDIA cuQuantum构建,将色码逻辑错误率降低了300倍以上,为生成合成训练数据提供了框架,以改进量子纠错解码器。
AMD AI DevMaster黑客马拉松于2026年7月10日至8月6日举行,设有三个赛道(多模态AI、智能体AI、物理AI)和30,000美元奖金池,PyTorch作为ROCm支持的AMD GPU上的官方框架。
PyTorch基金会宣布推出新的季度博客系列,其托管项目(PyTorch、vLLM、DeepSpeed、Ray、Helion、Safetensors)分享更新。亮点包括PyTorch 2.13版本,带来性能改进和Apple Silicon优化,以及ExecuTorch和硬件支持方面的进展。
本文提出了一项系统研究,比较了RLHF流程中用于奖励模型评分的C++和PyTorch推理运行时,发现ONNXRuntime在CPU上提供加速,而torch.compile在GPU上领先,且批处理策略比语言或运行时选择更为重要。
Molt是一个基于PyTorch原生的智能体强化学习训练框架,设计简洁紧凑,易于修改,同时实现了与基于Megatron的框架相当的性能。
NVIDIA详细介绍了其与PyTorch等开源生态系统共同开发的全栈推理软件,如何在Blackwell GPU上将令牌成本降低多达5倍,来自Baseten、Cognition、Deep Infra等的实际部署展示了性能提升。
PyTorch Foundation CTO Matt White将在AMD的AdvancingAI活动上发表演讲,探讨如何使用vLLM和SGLang等开源工具优化AI推理经济学,倡导使用规模合适的模型和智能路由,以改善每美元智能。
介绍了PsiLogic,一种基于梯度不稳定性动态阻尼项增强Adam的混沌感知优化器,并提出了FairBench以实现可复现评估。在NLP、ViT和ResNet任务上展示了具有竞争力或更优的结果,并对局限性保持完全透明。
OpenLanguageModel (OLM) 是一个开源的PyTorch库,用于构建和预训练小型语言模型,其架构代码可读且可组合,连接了教育与科研。
对Daniel Voigt Godoy的三卷PyTorch深度学习初学者指南的详细回顾,突出其对话式风格、实操笔记本和结构化的学习曲线。
强调了两篇官方PyTorch教程,它们链接到了'Profiling in PyTorch'系列,提供了使用PyTorch性能分析器API进行性能调试的指导。
Neural Drive 是一个基于动作条件的世界模型,专为 SuperTuxKart 设计,完全通过 WebGPU 在浏览器中运行,无需游戏引擎即可根据过去的帧和控制器输入预测游戏帧。
Yann LeCun通过列举Linux、Apache、MySQL、PyTorch等重大项目来捍卫开源,质疑“发布它们就是倾销”的说法。
本文逐步追踪了PyTorch的自动微分引擎如何为物理信息神经网络训练计算梯度,包括物理残差和参数梯度所需的两个层次的微分,并使用一个简单的MLP和ODE示例。
LightSeek 的 TokenSpeed 为 Thinking Machines Lab 的 Inkling 模型提供 Day-0 优化的 FP4 推理支持,支持 NVIDIA 和 AMD 加速器,基于 PyTorch 并与 vLLM 合作。