近日，一年一度的PyTorch开发者大会召开了。在会上，Meta（前身为Facebook）发布了PyTorchLive，这是一套可以为移动用户提供人工智能体验的工具。PyTorchLive支持一种编程语言JavaScript，可以为Android和iOS两种移动操作系统开发应用程序，也可以为更广泛的PyTorch社区提供定制化的机器学习模型服务。目前，PyTorchLive已开源，版本号为v0.1.1。https://github.com/pytorch/livePyTorchLive开源项目包括PyTorchLive命令行界面（即torchlive-cli），一个依赖PyTorchMobile库在移动设备上进行推理的ReactNative包，以及一个React原生模板，也有可以部署在移动设备上的例子。PyTorch官网宣称PyTorchLive是一个非常好用的工具库。使用PyTorchLive可以帮助开发者在几分钟内成功搭建一个手机端机器学习演示APP。PyTorch这些年2017年1月，Meta发布了基于Torch的开源机器学习库PyTorch。2015年以来，TensorFlow一直占据上风，但PyTorch在发布后逐渐升温，在开发者社区中迅速走红。近年来，PyTorch已成为机器学习领域发展最快的开源项目之一。Meta透露，2019年平台贡献者人数同比增长超过50%，增加了近1200人。PyTorchLive基于PyTorch中的PyTorchMobile，允许开发者在PyTorch生态中完成从训练模型到部署模型的全过程，同时它还提供了一个ReactNative库，可用于创建可视化用户界面。PyTorchMobile于2019年10月发布。在此之前，Meta发布了Caffe2go，这是一个基于Caffe2机器学习框架的新框架，专门针对移动CPU和GPU进行了优化。值得一提的是，无论开发者是想在移动设备还是其他边缘设备上运行PyTorchMobile，都是有可能的。甚至PyTorchMobile也可以在服务器上运行。MetaAI软件工程师RomanRadle说，“如果你想展示一个运行在Android和iOS移动终端上的模型，配置项目和构建用户界面需要几天时间。使用PyTorchLive，开发成本减少了一半。而且你不需要在Android开发和iOS开发方面有太多经验。”PyTorchLive内置工具目前PyTorchLivebeta版只支持ApplemacOS操作系统，不过Windows和Linux系统的支持也即将推出，PyTorchLive有几个依赖需要先安装，一个是Node.js，如果你没有安装Node.js，可以到Node.js官网下载或者通过Homebrew安装（brewinstallnode），另外一个是Xcode，如果你想运行PyTorchLive应用在iOS模拟器或iOS设备上，需要从AppleAppStore安装Xcode。PyTorchLive目前支持Xcode12.5或更高版本。在开发过程中，配置环境非常繁琐和困难。PyTorchLive提供了一个安装例程，可以自动安装所需的依赖项。它将自动尝试安装以下库和工具：HomebrewOpenJDKYarnWatchmanAndroidCommandLineToolsAndroidSDKAndroidSDKManagerAndroidVirtualDeviceManagerAndroidEmulatorCocoaPodsPyTorchLive工具包提供命令行界面(CLI)和数据处理API。CLI支持开发者搭建移动开发环境，引导开发者构建移动应用项目。至于数据处理API，它集成了来自PyTorchLiveAPI的自定义模型，可以将其构建到Android和iOS的移动应用程序中。目前PyTorchLive支持的功能有：1.图片分类对相册中的照片进行分类，实时对相机拍摄的物体进行分类2.目标检测3.手写数字识别4.语言问答用户还可以自定义一些其他的小功能。未来，Meta计划让社区通过PyTorchLive发现和分享PyTorch模型和演示，同时还将提供可定制的数据处理API和支持音频和视频数据的机器学习工具。Radle表示，“让开发者更容易开发移动应用程序并向社区展示机器学习模型是我们的初衷。同时，这也是一个建立繁荣的研究人员和移动开发者社区的机会。”他们可以共享和使用模型，可以进行思想碰撞和交流。”PyTorch的使命是加速从研究原型到生产部署的过程。随着移动机器学习生态系统的不断壮大，PyTorchLive的发布比以往任何时候都更加重要。因此，有网友称PyTorchLive为“Gamechanger！”
