PyTorch 2.0 发布，一行代码将训练提速 76%！( 三 )

官方的目标是定义两个运算符集：
Primops包含约250个相对底层的运算符，因为足够底层，所以这些运算符更适用于编译器，开发者需要将这些算子进行融合，才能获得良好的性能。
ATenops包含约750个典型运算符(canonicaloperator) ，适合于直接输出。这些运算符适用于已经在ATen级别上集成的后端，或者没有经过编译的后端，才能从底层运算符集（如Primops)恢复性能。
动态形状
在研究支持PyTorch代码通用性的必要条件时，一个关键要求是支持动态形状，并允许模型接受不同大小的张量，而不会在每次形状变化时引起重新编译。目前为止，对动态形状的支持有限，并且正在进行中。它将在稳定版本中具有完整的功能。在不支持动态形状的情况下，常见的解决方法是将其填充到最接近的2次方。然而，正如我们从下面的图表中所看到的，它产生了大量的性能开销，同时也带来了明显更长的编译时间。现在，有了对动态形状的支持， PyTorch2.0也就获得了比Eager高出了最多40%的性能。
文章图片
简而言之，就是PyTorch2.0stable版本预计明年3月发布， PyTorch2.0在保留原有优势的同时，大力支持编译， torch.compile为可选功能，只需一行代码即可运行编译，还有4项重要技术：TorchDynamo、AOTAutograd、PrimTorch以及TorchInductor ， PyTorch1.x代码无需向2.0迁移，更多用户体验以及Q&A ，大家可以查看下方链接中原文呦~
参考链接：
【PyTorch 2.0 发布，一行代码将训练提速 76%！】https://pytorch.org/get-started/pytorch-2.0/

文章图片
??