大使专栏博客 PyTorch 基金会大使社区亮点 2026 年 11 月 作者 PyTorch 基金会2026 年 11 月 16 日无评论 /row

PyTorch 基金会大使 将人们聚集在一起,学习、分享技术知识,并为 PyTorch 基金会项目及更广泛的开源 AI 生态系统做出贡献。

在本期 11 月亮点中,我们重点介绍大使们的一些活动,包括本地聚会、大学讲座、技术文章和实用学习资源。

坎帕拉的 PyTorch 社区聚会

9 月 19 日, Pacifique Mugisho 与 IndabaX Makerere 学生分会和 IEEE 计算机学会 Makerere 学生分会合作,在乌干达坎帕拉的麦克雷雷大学组织了一场线下 PyTorch 东非社区聚会。

活动收到 103 人报名,并迎来了 32 位参会者. 讲座探讨了检索增强生成(RAG)、外部知识集成和高级检索技术。Pacifique 还主持了一场实践工作坊,涵盖嵌入、语义搜索以及如何在基于 PyTorch 的应用中组合这些组件。

互动问答为参与者提供了另一种参与材料的方式。活动结束后,社区新增了 20 名 WhatsApp 成员和 4 名 LinkedIn 成员。此次聚会也为进一步的线下聚会奠定了基础。

在坎帕拉麦克雷雷大学举行的 PyTorch 东非社区聚会上的技术讲座和实践学习。

在达卡上手实践 TPU 上的 PyTorch

10 月 30 日, Zaynul Abedin Miah 在孟加拉国达卡的一场社区聚会上发表了技术讲座和现场演示“PyTorch on TPU with TorchTPU”。

该场次向学生和早期职业开发者展示了如何使用免费的 Colab notebook 在 Google TPU 上运行原生 PyTorch。内容涵盖设备设置、张量操作和 torch.compile,并包含一个互动式的“先预测,再运行”练习。

活动收到 91 人报名, 且所有 50 个获批席位均已满员. 参与者从多个城市赶来,部分行程超过 330 公里。幻灯片和可运行的 notebook 已分享给所有报名者,以便他们之后继续实验。

查看活动. Colab: 链接

达卡 PyTorch on TPU 社区场次的参会者和现场演示。

与 PyTorch 社区尼泊尔分会一起实现高效 LLM 推理

11 月 1 日, Arun Bhandari 组织并主持了 PyTorch 社区尼泊尔分会的首场线上技术场次“在边缘端通过投机解码加速 LLM 推理”。

特邀演讲嘉宾 Manjil Nepal, 班加罗尔印度科学研究所的研究助理,讨论了边缘—服务器环境中的投机解码,以及通过本地和联邦学习改进草稿模型的方法。

Arun 协调了演讲嘉宾、报名、宣传、主持和观众讨论。该场次吸引了 86 人报名和 20 位参会者, 演示幻灯片和源代码随后已分享。

该活动为研究人员和尼泊尔 AI 与机器学习社区创造了交流知识并通过技术讨论建立联系的机会。

PyTorch 社区尼泊尔分会关于高效 LLM 推理的线上场次。

在尼日利亚用 PyTorch 开展 AI 研究

9 月期间, Abdulsalam Yazid Bande 为尼日利亚的学术受众举办了两场入门场次,共覆盖 75 位参会者.

“从研究问题到 PyTorch 实验”向 35 名研究生和博士后学生介绍了现代 AI、神经网络、生成式 AI 以及 PyTorch 在研究中的作用。

第二场次“使用 PyTorch 开始 AI 研究”迎来了 40 名教职员工,实践性地介绍了实验、模型开发以及机器学习在学术研究中的应用。

这些场次共同帮助学生和教职员工探索 PyTorch 如何支持他们自己的研究问题。

在尼日利亚向学术受众介绍使用 PyTorch 开展 AI 研究。

维尔纽斯理工学院的 LLM 应用开发

9 月, Eyup Cinar 访问了立陶宛的维尔纽斯理工大学,就使用大型语言模型进行快速应用开发作了一场客座讲座。

约 30 名本科生和研究生 参加。该场次介绍了 PyTorch 生态系统及其在开发、训练和部署基于 LLM 的应用中的作用,同时为院校之间的学术交流提供了机会。

维尔纽斯理工学院关于 LLM 应用开发的客座讲座。

在杜克大学开始参与开源

9 月 4 日, Sahdev Zala 向北卡罗来纳州达勒姆的杜克大学 AI 工程硕士项目的 25 多名学生 作了演讲。

该场次帮助学生了解如何开始为 PyTorch 和 Kubernetes 做贡献。参与者以线下和线上方式参加,探索为开源项目做贡献的机会。

与杜克大学学生一起探索开源贡献。

吉隆坡 DevFest 上的 LLM 后训练

11 月 14 日, Vensen Mu, PyTorch 基金会大使兼 RL-Kernel 维护者,在 Google DevFest 吉隆坡 2026 上发表了“LLM RL 后训练中的实用训练—推理一致性”。

该讲座探讨了大型语言模型强化学习中训练与推理系统之间的数值差异。Vensen 分享了开源 RL-Kernel 项目如何在训练和 rollout 工作流中实现按位一致性,包括与 PyTorch 和 vLLM 相关的工程考量。

该场次鼓励对 AI 基础设施和可靠 RL 后训练感兴趣的开发者探索该问题并通过开源进行协作。

阅读活动公告 并 探索 RL-Kernel.

用简体中文分享 PyTorch 更新

肖志清 发表了一篇简体中文微信公众号文章,介绍 PyTorch 2.14。

该文章获得了 超过 300 次阅读,帮助中文读者了解此次发布。

阅读简体中文文章.

迁移学习:文章、代码与社区讲座

Sahdev Zala 发表了一篇 IBM Developer 文章,基于使用 PyTorch 和 Torchvision 预训练 ResNet-18 模型的迁移学习演示。他还公开了配套源代码,为读者提供了一个可供探索和扩展的示例。

阅读迁移学习文章 并 探索配套代码.

感谢我们的大使

感谢我们的大使分享知识、创造学习机会,并围绕 PyTorch 将人们聚集在一起。

/row /row