在业界，如果说哪两个深度学习框架最受关注，那无非是以TensorFlow为代表的静态深度学习框架，与PyTorch为代表的动态框架。

而近日，PyTorch正式推出了1.5版本，新版本中备受关注的便是这个新增的大规模生产级工具库 TorchServe。TorchServe由Facebook与 AWS 还合作共同推出，并成为了PyTorch开源项目的一部分。

TorchServe是一个PyTorch模型服务函式库，并且整合TorchElastic和Kubernetes，让分散式训练更加自动化，以帮助使用者能够快速大规模部署经过训练的PyTorch模型。

此外torch_xla现已能在PyTorch 1.5 版本中进行使用，torch_xla通过XLA线性代数编译器在Cloud TPU和Cloud TPU Pod上加速PyTorch深度学习框架，使PyTorch能良好地在Cloud TPU上运算。

TorchServe除了提供低延迟的预测API之外，还为物件侦测与文字分类等常用应用程序，嵌入预设的处理程序(Handler)，此外，TorchServe的功能还包括了多模型服务、用于A/B测试的模型版本控制、日志纪录、监控指标，以及为应用程序整合创建的RESTful端点等。使用这个函式库时，没有任何对云端平台或环境的要求。现在已经释出实验版本。

值得注意的一点是，PyTorch 1.5，将不再支持Python 2(特别是2.7版本)，未来对Python的支持将仅限于Python 3(Python 3.5、3.6、3.7和3.8)。

对于PyTorch 1.5.0，我们将不再支持Python 2，特别是2.7版。今后，对Python的支持将仅限于Python 3，特别是Python 3.5、3.6、3.7和3.8(在PyTorch 1.4.0中首次启用)。