更新：官方1.0更新解读

README.md

@@ -11,7 +11,14 @@
 ## 版本说明
 由于PyTorch版本更迭，教程的版本会与PyTorch版本，保持一致。
 
-目前PyTorch的版本为0.41,教程版本也相应为0.41，等待1.0正式发布后，本教程也会随之升级到1.0版
+12月8日PyTorch已经发布1.0的稳定版。
+API的改动不是很大，本教程的兼容性正在测试，会保证能够在1.0中正常运行。
+不过目前看影响不大，因为毕竟内容还不多。 v0.4.1已经新建了分支作为存档，并且该不会再进行更新了。
+
+[官方1.0说明](https://github.com/pytorch/pytorch/releases/tag/v1.0.0)
+[主要改动中文说明](changelog-v1.0.md)
+
+
 
 ## 目录
 

changelog-v1.0.md

@@ -0,0 +1,43 @@
+# PyTorch 1.0主要改动说明
+本改动说明只针对主要部分进行阐述，详情还请以官方英文为准
+
+## JIT
+JIT是一组编译工具，用来弥补研究和产品部署之间的差距。
+
+新增的torch.jit包，包含了一组编译器工具，用于搭建PyTorch的研究与工业生产之间的桥梁。
+它包括一种名为Torch Script的语言(单从语法上来看，这是Python语言的一个子集，所以我们不用再学一门新语言了)，以及两种使现有代码与JIT兼容的方法。
+Torch Script的代码是可以进行积极的优化（类似TensorFlow代码），可以序列化，以供以后在C++ API中使用，它完全不依赖于Python。
+
+`@torch.jit.script`注解，官方给出的注释是Write in Python, run anywhere!
+
+## 改进的分布式库torch.distributed
+- 新的torch.distributed是性能驱动的，并且对所有后端（Gloo，NCCL和MPI）完全异步操作
+- 显著的分布式数据并行性能改进，尤其适用于网络较慢的主机，如基于以太网的主机
+- 为torch.distributed包中的所有分布式集合操作添加异步支持
+- 在Gloo后端添加以下CPU操作：send，recv，reduce，all_gather，gather，scatter
+- 在NCCL后端添加障碍操作
+- 为NCCL后端添加new_group支持
+
+其实主要含义就是分布式的性能得到了改进，具体改进多少后面还要进行测试了
+
+##  C++的前端（C++ 版 Torch)
+C++前端是到PyTorch后端的纯C++接口，遵循已建立的Python前端的API和体系结构。它旨在支持在高性能、低延迟和硬核C++应用程序中的研究。它相当于torch.nn, torch.data等PyTorch的Python前端组件。
+
+这个对我来说意义不大，不详细说了
+
+## Torch Hub
+这个一听就知道，google刚推出TensorFlow Hub不久，FB就跟进了，受益最大的就是“没有技术含量的公司可以再吹一波牛逼了”
+
+## 官方提供免费课程
+与Udacity合作，免费提供成人AI课程：
+
+[PyTorch深度学习简介](https://cn.udacity.com/course/deep-learning-pytorch--ud188)
+
+看样子如果出中文版的话可能要有一阵子了，不过 I love study，study makes me happy.
+
+
+## 比较重要的改动
+
+- torch.distributed的 TCP 后端被移除了，官方建议：CPU用Gloo或者MPI, GPU用英伟达的NCCL
+- 使用tensor的0下标返回数据的方法（如：loss[0]），彻底移除, 你需要使用loss.item() 这个可能比较重要，因为标量（0阶张量）的操作一定要用到这个
+- 移除了直接在CUDA上调用numpy函数的隐式类型转换，现在你需要手动把数据从CUDA先移到CPU上 这个对我们来说不重要，我们一直都是先移动到cpu再转化成numpy函数的