Facebook的人工智能团队正在将其所有机器学习模型部署转移到PyTorch框架上，并在开发框架上进行标准化，公司Facebook F8 Refresh：所有的关键公告都是PyTorch的主要价值，传统上都是用户体验，Schroepfer指出，这样可以轻松构建和调试。这为它赢得了像乐坤这样的研究人员的忠诚，他们想快速修正神经网络，测试，再修正。然而，它比许多专门为获得最高性能而构建的编程工具要慢
因此，尽管Facebook具有研究价值，但它一直在使用多种框架进行研究和生产，Schroepfer说，caffe2是公司内部第二流行的框架。他说，各种“特定领域的框架”也在使用中。
结果，施罗普弗说，尽管PyTorch并不总是最快的库，“生产工程师希望使用所有最新的研究成果。”首先，他解释说，研究人员正在解决越来越多的问题
大型人工智能模型https://www.zdnet.com/article/facebook-ai-cuts-by-more-than-half-error-rate-of-unsupervised-speech-recognition/“target=”\u blank“>语音识别或自然语言处理“通常建立在PyTorch之上，”Schroepfer指出，不仅在Facebook，在其他公司和学术界也是如此。”他们通常在PyTorch中有GitHub存储库。”
同时：高能量：Facebook的AI大师勒坤想象AI的下一个前沿
目前，Facebook的AI模型中有93%是用PyTorch部署的
施罗普费尔认为，标准化的意义在于，通过将Facebook的大部分精力集中在一个库中，从而加快Facebook在各种应用程序中的人工智能开发和部署。
Facebook的工程师们“现在在我的指尖上有一个工具箱，里面有最先进的模型，我可以更快地将它们投入生产，因为它们是建立在同一个工具链上的，我使用这个工具链来建立和发布10亿用户规模的网站，“他说，
“当你把这种整合成一个单一的工具时，你所看到的只是人们完成工作和锻炼的能力的巨大转变。”
Schroepfer补充道，“随着行业对这种工具的进一步标准化，它将进一步提高我们的能力，不仅要写关于这些东西的研究论文，还要把这些工具带到世界上来帮助真正的人。
例如，他们运行一个名为TorchScript的程序，该程序允许运行时优化。”让我用Python编写我想要的代码，但是如果我正确地标记它，我们可以在后台运行这个非常酷的优化器，使它更高效。”
“我们在这里慢慢地缩小了差距，”他谈到PyTorch被放大时说。
施罗普弗说：“我对结果感到惊讶，这一工具一开始是易于使用、实验性和灵活性的，后来才投入生产。”。
“亚恩是对的，我错了，”他说
当被问及Facebook人工智能是否会因为标准化而失去多样性的好处时，施罗普弗说阐明了研究仍然可以玩它想要的所有新东西。
“我们的研究团队有很大的实验自由度，他们总是在用新技术进行实验，这就是PyTorch最初是如何产生的，”他说
