概述

介绍PyTorch 2.0，我们迈向PyTorch下一代2系列发行版的第一步。在过去的几年里，我们进行了创新和迭代，从PyTorch 1.0到最近的1.13，并转移到新成立的PyTorch基金会，它是Linux基金会的一部分。

除了我们令人惊叹的社区之外，PyTorch最大的优势是我们继续作为一流的Python集成、命令式风格、API和选项的简单性。PyTorch 2.0提供了相同的急切模式开发和用户体验，同时从根本上改变和加强了PyTorch在底层编译器级别的操作方式。我们能够为动态形状和分布式提供更快的性能和支持。

下面你会发现你需要更好地理解PyTorch 2.0是什么，它的发展方向，更重要的是今天如何开始(例如，教程，需求，模型，常见的常见问题)的所有信息。还有很多东西需要学习和开发，但我们期待社区的反馈和贡献，使2系列更好，感谢所有使1系列如此成功的人。

PYTORCH 2.X:更快，更python化，和以前一样动态

今天，我们宣布了torch.compile，这一特性将PyTorch的性能推到新的高度，并开始将PyTorch的部分内容从c++移回Python。我们相信这是PyTorch的一个重要的新方向——因此我们称之为2.0。compile是一个完全可添加的(可选的)特性，因此根据定义2.0是100%向后兼容的。

• 支持torch.compile的是一些新技术——TorchDynamo, AOTAutograd, PrimTorch和TorchInductor。

• TorchDynamo使用Python框架评估钩子安全地捕获PyTorch程序，这是我们在安全图形捕获方面进行了5年研发的一个重大创新

• AOTAutograd会重载PyTorch的autograd引擎，作为一个跟踪autodiff来生成提前向后的跟踪。

• PrimTorch将大约2000多个PyTorch操作符规范化，简化为一个大约250个基本操作符的封闭集合，开发人员可以针对这些操作符构建一个完整的PyTorch后端。这大大降低了编写PyTorch特性或后端的障碍。

• TorchInductor是一个深度学习编译器，可以为多个加速器和后端生成快速代码。对于NVIDIA gpu，它使用OpenAI Triton作为关键构建块。

• 46个HuggingFace Transomer的模型

• TIMM的61个模型:由Ross Wightman收集最先进的PyTorch图像模型

• TorchBench的56个模型:一组来自整个github的流行代码库

我们不修改这些开源模型，只是添加了一个torch.compile调用来包装它们。

然后我们测量加速并验证这些模型的准确性。由于加速可以依赖于数据类型，我们在float32和自动混合精度(AMP)上测量加速。我们报告了一个不均匀的加权平均加速0.75 * AMP + 0.25 * float32，因为我们发现AMP在实践中更常见。

在这163个开源模型中，torch.compile的工作时间达到93%，在NVIDIA A100 GPU上训练时，该模型的运行速度要快43%。在Float32精度上，它的运行速度平均快21%，在AMP精度上，它的运行速度平均快51%。

注意:在桌面级GPU(如NVIDIA 3090)上，我们测量的速度要低于服务器级GPU(如A100)。到今天为止，我们的默认后端TorchInductor支持cpu和NVIDIA Volta和安培gpu。它(还)不支持其他gpu, xpu或更老的NVIDIA gpu。

TorchDynamo、AOTAutograd、PrimTorch和TorchInductor都是用Python编写的，支持动态形状(即可以发送不同大小的张量而不需要重新编译)，这使得它们灵活、容易被黑客攻击，并降低了开发人员和供应商的进入门槛。

为了验证这些技术，我们在不同的机器学习领域使用了163个不同的开源模型。我们仔细地构建了这个基准测试，包括图像分类、目标检测、图像生成、各种NLP任务，如语言建模、问答、序列分类、推荐系统和强化学习。我们将基准分为三类:

不妨试试:torch.compile正处于开发的早期阶段。从今天开始，您可以在夜间的二进制文件中尝试使用torch.compile。我们预计在2023年3月初发布第一个稳定的2.0版本。

在PyTorch 2的路线图中。X，我们希望在性能和可伸缩性方面将编译模式推进得越来越远。正如我们今天在会议上谈到的，其中一些工作正在进行中。其中一些工作还没有开始。其中一些工作是我们希望看到的，但我们自己没有足够的带宽去做。如果你有兴趣投稿，请在本月开始的Ask the Engineers: 2.0 Live Q&A系列中与我们聊天(详情见本文末尾)或通过Github / forum。

动机

我们在PyTorch上的理念一直是把灵活性和可破解性放在首位，性能紧随其后。我们争取:

• 高性能快速执行

• 整洁的内部

• 对分布式，自动差异，数据加载，加速器等更好的抽象。

自从我们在2017年推出PyTorch以来，硬件加速器(如gpu)的计算速度提高了约15倍，内存访问速度提高了约2倍。因此，为了保持在高性能状态下的快速执行，我们不得不将PyTorch内部的大量部分迁移到c++中。将内部代码迁移到c++中使其不易被黑客攻击，并增加了代码贡献的进入障碍。

从第一天起，我们就知道急切执行的性能极限。2017年7月，我们开始了第一个为PyTorch开发编译器的研究项目。编译器需要使PyTorch程序快速，但不能以牺牲PyTorch体验为代价。我们的关键标准是保持某种灵活性——支持研究人员在不同探索阶段使用的动态形状和动态程序。

用户体验

我们介绍一个简单的函数torch.compile，它包装模型并返回一个编译后的模型：

compiled_model = torch.compile(model)

compiled_model保存对模型的引用，并将转发函数编译为一个更优化的版本。在编译模型时，我们给了几个旋钮来调整它:

def torch.compile(model: Callable,
*,
mode: Optional[str] = "default",
dynamic: bool = False,
fullgraph:bool = False,
backend: Union[str, Callable] = "inductor",
# advanced backend options go here as kwargs
**kwargs
) -> torch._dynamo.NNOptimizedModule

mode：指定编译器在编译时应该优化什么。

• 默认模式是一种预设模式，它试图有效地编译，而不会花费太长时间编译或使用额外的内存。

• 其他模式，如reduce-overhead，可以大大减少框架开销，但只消耗少量额外内存。Max-autotune编译了很长时间，试图为您提供它所能生成的最快的代码。

dynamic指定是否启用动态形状的代码路径。某些编译器优化不能应用于动态形状程序。明确您想要一个带有动态形状还是静态形状的编译程序，将有助于编译器提供更好的优化代码。

fullgraph类似于Numba的nopython。它将整个程序编译成一个图形，或者给出一个错误解释为什么它不能这样做。大多数用户不需要使用这种模式。如果您非常注重性能，那么您可以尝试使用它。

Backend指定要使用哪个编译器后端。默认情况下，使用TorchInductor，但还有其他一些可用的工具。

一个完整的实例：

import torch
import torchvision.models as models

model = models.resnet18().cuda()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
compiled_model = torch.compile(model)

x = torch.randn(16, 3, 224, 224).cuda()
optimizer.zero_grad()
out = compiled_model(x)
out.sum().backward()
optimizer.step()

第一次运行compiled_model(x)时，它将编译模型。因此，它需要更长的运行时间。后续的运行速度很快。

Modes

编译器有一些预设，可以用不同的方式调优编译后的模型。由于框架开销，您可能正在运行一个速度较慢的小型模型。或者，您可能正在运行一个几乎无法装入内存的大型模型。根据您的需要，您可能需要使用不同的模式。

# API NOT FINAL
# default: optimizes for large models, low compile-time
#          and no extra memory usage
torch.compile(model)

# reduce-overhead: optimizes to reduce the framework overhead
#                and uses some extra memory. Helps speed up small models
torch.compile(model, mode="reduce-overhead")

# max-autotune: optimizes to produce the fastest model,
#               but takes a very long time to compile
torch.compile(model, mode="max-autotune")

reduce-overhead适用于小模型，max-autotune类似TensorRT那样生成一个更加快速的模型。

如何安装Pytorch2.0

CUDA 11.7

pip install numpy --pre torch[dynamo] torchvision torchaudio --force-reinstall --extra-index-url https://download.pytorch.org/whl/nightly/cu117

CUDA 11.6

pip install numpy --pre torch[dynamo] torchvision torchaudio --force-reinstall --extra-index-url https://download.pytorch.org/whl/nightly/cu116

CPU

pip install numpy --pre torch torchvision torchaudio --force-reinstall --extra-index-url https://download.pytorch.org/whl/nightly/cpu

总结

核心是compile，增加一句话，实现模型近一倍的提速，我表示怀疑，等正式版吧！欢迎勇士去做尝试，如果有问题请留言讨论。

参考：

https://pytorch.org/get-started/pytorch-2.0/#distributed