近日，一年一度的PyTorch開發者大會召開。

在會上，Meta（原名 Facebook）發布了PyTorch Live，這是一套可以為移動端用戶提供人工智能體驗的工具。

[[438228]]

PyTorch Live支持一種編程語言JavaScript，可以為Android和iOS兩個移動端操作系統開發應用程序，還能為更廣泛的PyTorch社區提供定制機器學習模型的服務。

目前，PyTorch Live已經開源，版本號v0.1.1。

https://github.com/pytorch/live

PyTorch Live開源項目中包括PyTorch Live命令行界面（即torchlive-cli），一個依賴PyTorch Mobile庫在移動設備上進行推理的React Native包，以及一個React Native模板，還有一些可以在移動設備上部署的示例。

PyTorch官網聲稱，PyTorch Live是一個十分易于使用的工具庫，使用PyTorch Live可以幫助開發者在幾分鐘內成功構建一個手機端機器學習演示APP。

PyTorch這些年

2017年1月，Meta 發布了一個基于Torch的開源機器學習庫PyTorch。

自2015年以來，TensorFlow一直占據上風，但是PyTorch在發布后也逐漸升溫，在開發人員社區中快速普及。

近幾年，PyTorch 成為機器學習領域增長最迅猛的開源項目之一。Meta 透露，2019年的時候，該平臺的貢獻者數量就同比增長超過50% ，增長近1200人。

而基于 PyTorch 中的PyTorch Mobile，PyTorch Live就可以允許開發者在 PyTorch 生態系統中完成從訓練模型到部署模型的全過程，而且它還提供了可用于創建可視化用戶界面的 React Native 庫。

PyTorch Mobile在2019年10月發布，在此之前，Meta發布了Caffe2go，這是一個基于Caffe2機器學習框架，并針對移動端CPU和GPU進行特別優化的全新框架。

值得一提的是，不管開發人員想在移動設備或是其他邊緣設備上運行PyTorch Mobile，都是可以的。甚至PyTorch Mobile也可以運行在服務器上。

Meta AI 軟件工程師 Roman Radle表示，「如果你想展示一個運行在 Android 和 iOS 移動端上的模型，就需要花費數天時間來配置項目和構建用戶界面。有了 PyTorch Live，開發成本降低了一半，而且你也不需要有太多Android開發和iOS開發的經驗 」。

PyTorch Live內置工具

目前，PyTorch Live的beta測試版只支持蘋果macOS操作系統。不過，對Windows和Linux系統的支持很快也會有。

PyTorch Live有幾個依賴包需要先安裝。

一個是Node.js。如果還沒有裝Node.js的話，可以從Node.js官方網站下載或者通過Homebrew安裝（即brew install node）。

另外一個是Xcode。如果想在iOS模擬器或iOS設備上運行PyTorch Live應用，就需要從蘋果應用商店安裝Xcode。PyTorch Live目前支持Xcode 12.5或更高版本。

在開發過程中，配置環境可能是個既繁瑣又困難的事。

PyTorch Live提供了一個安裝例程，可以自動安裝所需的依賴項。它將自動嘗試安裝以下庫和工具：

• Homebrew
• OpenJDK
• Yarn
• Watchman
• Android Command Line Tools
  • Android SDK
  • Android SDK Manager
  • Android Virtual Device Manager
  • Android Emulator
• CocoaPods

PyTorch Live 工具包提供了一個命令行界面（CLI）和一個數據處理 API。

CLI 使開發人員能夠建立一個移動開發環境，并引導開發人員去構建移動應用程序項目。

至于數據處理 API，它集成了 PyTorch Live API 中的自定義模型，這些模型可以內置到 Android 和 iOS 的移動端應用程序中。

目前，PyTorch Live已經支持的功能有：

1.圖像分類

對相冊里的照片進行分類

對相機拍攝到的物體進行實時分類

2.目標檢測

3.手寫數字識別

4.語言問答

用戶也可以自行定制一些別的小功能。

未來，Meta 計劃讓社區通過 PyTorch Live 發現與共享 PyTorch 的模型和演示，并且還會提供一個可定制的數據處理 API 和支持音頻與視頻數據的機器學習工具。

Radle表示，「讓開發人員更容易地開發移動應用程序，并向社區展示機器學習模型是我們的初衷。同時，這也是一個機會，通過建立一個由研究人員和移動開發人員組成的蓬勃發展的社區，他們才能共享和使用模型，可以進行思想碰撞和交流。」

PyTorch 的任務是加速從研究原型到生產部署的過程。隨著移動端機器學習生態系統的不斷發展，PyTorch Live的發布比以往任何時候都更加重要。

因此，有網友將PyTorch Live稱為 「Game changer！」