共计 1373 个字符，预计需要花费 4 分钟才能阅读完成。
由 Uber 贡献，Pyro 实现灵活和富有表现力的深度概率建模
旧金山 – 2019 年 2 月 21 日 – LF DL（LF Deep Learning Foundation，LF 深度学习基金会），一个支持和永续人工智能（AI）、机器学习（ML）和深度学习（DL）开源创新的 Linux 基金会，宣布由 Uber 创办的 Pyro 项目是其最新的孵化项目。Pyro 构建于 PyTorch 框架之上，是一个深度概率编程框架，有助于大规模探索 AI 模型，使深度学习模型开发和测试更快、更无缝。继去年 12 月的 Horovod 宣布之后，这是 LF DL 从 Uber 投票的第二个项目。
除了哈佛大学、麻省理工学院、斯坦福大学、牛津大学、剑桥大学和 The Broad Institute 之外，Pyro 还被西门子、IBM 和 Uber 等大公司以及 Noodle.AI 等初创公司所采用。在 Uber，Pyro 解决了一系列问题，包括传感器融合、时间序列预测、广告活动优化和数据增强，以便深入了解图像。
Pyro 是第五个加入 LF DL 的项目，LF DL 提供财务和智力资源、基础设施、营销、研究、创意服务和活动支持。这种丰富的中立环境促进了其项目的快速发展，包括 Acumos AI、Angel 项目、EDL 项目和 Horovod，鼓励其他贡献者以及开源社区的更广泛合作。
“LF DL 基金会很高兴欢迎 Pyro 加入我们的项目系列。今天宣布 Uber 对该项目的贡献使我们更接近建立人工智能、机器学习和深度学习的综合生态系统的目标。”LF DL 执行董事 Ibrahim Haddad 说。“我们期待帮助社区发展，为 Pyro 做出贡献并进一步改进预测和其他能力。”
Pyro 的设计考虑了四个关键原则：
通用：Pyro 可以表示任何可计算的概率分布。
可扩展：Pyro 可以轻松扩展到大型数据集。
最小化：Pyro 是通过一小部分功能强大，可组合的抽象实现的。
灵活：Pyro 的目标是在你需要时实现自动化，在你需要时进行控制。
“Pyro 最初是在 Uber AI Labs 创建的，旨在帮助工业界和学术界的 AI 从业者更快、更无缝地进行深度概率编程。”Uber AI Labs 负责人 Zoubin Ghahramani 说。“通过将 Pyro 纳入 LF DL 项目组合，我们希望为全球研究人员提供更多机会，并使深度学习和贝叶斯（Bayesian）建模更易于获取。”
Pyro 加入了现有的 LF DL 项目：Acumos，一个平台和开源框架，可以轻松构建、共享和部署 AI 应用程序；Angel ML，一个灵活而强大的参数服务器，适用于大规模机器学习；EDL，一个弹性深度学习框架，旨在帮助云服务提供商使用深度学习框架构建集群云服务；Horovod，一个跨多个机器的分布式培训框架。
KubeCon + CloudNativeCon 和 Open Source Summit 大会日期：
会议日程通告日期：2019 年 4 月 10 日
会议活动举办日期：2019 年 6 月 24 至 26 日
KubeCon + CloudNativeCon 和 Open Source Summit 赞助方案 KubeCon + CloudNativeCon 和 Open Source Summit 多元化奖学金现正接受申请 KubeCon + CloudNativeCon 和 Open Source Summit 即将首次合体落地中国 KubeCon + CloudNativeCon 和 Open Source Summit 购票窗口，立即购票！
