该公司表示,通过将其所有 AI 系统迁移到 PyTorch,他们将能够更快地进行创新,同时确保为其所有用户提供更佳的体验。根据透露,Facebook 的迁移工作已经推进了有一年多的时间,并且其已经将大部分的 AI 工具迁移到了 PyTorch。
目前,已有超过 1700 个基于 PyTorch 的推理模型在 Facebook 中达到了生产级别要求;其用于识别和分析 Facebook 上内容的 93% 的新 AI 训练模型也是基于 PyTorch 的。此外,在 Facebook 上平均每天有超过 4000 个模型在 PyTorch 上运行。
Facebook 方面表示,转向 PyTorch 的原因之一在于,人工智能的研究到生产流程在传统上来说是繁琐而复杂的。它涉及多个步骤和工具以及零散的流程,并且缺乏明确的标准化来管理端到端的工作流程。另一个问题是,研究人员被迫在为研究或生产而优化的 AI 框架中进行选择,但不能两者兼而有之。
该公司进行 PyTorch 迁移的目的则是为了给工程师和开发人员创造更流畅的端到端开发人员体验。“我们希望通过使用单一平台来加速我们的研究到生产的流程,该平台使我们能够灵活地进行实验,同时又能在生产规模上推出 AI 模型。”