生产化支持
通过 TorchScript 在 eager mode 与 graph mode 之间切换，并使用 TorchServe 加速生产部署。
PyTorch
开始使用 PyTorch，构建并部署深度学习应用PyTorch 提供从本地安装到云平台运行的完整开发入口，支持研究与生产环境中的模型训练、分布式计算和生态工具集成。
- 2.7.0
- 当前稳定版本
- 3.10+
- 最新稳定版要求的 Python 版本
- 3
- 支持的操作系统：Linux、Mac、Windows
- 4
- 页面列出的核心能力：生产就绪、分布式训练、生态系统、云支持
覆盖研究、开发与生产的深度学习工具链
从动态图与图模式切换、分布式训练到计算机视觉和自然语言处理生态，PyTorch 为不同阶段的深度学习开发提供支持。
分布式训练
torch.distributed 后端支持可扩展的分布式训练，以及研究和生产环境中的性能优化。
丰富的生态系统
提供扩展 PyTorch 的工具与库，覆盖计算机视觉、自然语言处理等开发场景。
云平台支持
支持 Amazon Web Services、Google Cloud Platform、Microsoft Azure、Lightning Studios 和 Alibaba Cloud 等平台。
PyTorch 社区与项目进展
了解 PyTorch 相关的性能优化、端侧智能和社区活动信息。
FP8 Training on AMD GPUs with TorchTitan and TorchAO: Upstreaming Performance Improvements
介绍在 AMD Instinct 集群上使用 TorchTitan 和 TorchAO 进行 FP8 训练，并将性能改进上游化。
Fast, On Device Agentic AI with Muse Glimmer on ExecuTorch
介绍 ExecuTorch 对 Muse Glimmer 端侧智能工作流的端到端支持。
PyTorch Conference North America Announces 2026 Keynotes
PyTorch Conference North America 将于 2026 年 10 月 20 至 21 日在美国圣何塞举行，并公布主题演讲嘉宾信息。
从安装到深入开发
通过官方文档、教程和开发资源学习 PyTorch，并使用云平台快速开始。
从这里开始使用PyTorch。
NETWORK
