PyTorch by the Sea: The inaugural Santa Cruz PyTorch Meetup

PyTorch by the Sea: 圣克鲁兹首次 PyTorch Meetup – PyTorch

特色项目

TL;DR

圣克鲁兹首次 PyTorch Meetup 汇聚了 45 位本地工程师、学生和行业领袖，围绕 GPU/CUDA 主题进行演讲，并展示了化学、植物健康和自动驾驶领域的闪电式演示，充分证明了在本地建立一个低调且包容的 PyTorch 社区有多么简单且具有影响力。

作为红帽开源与人工智能计划办公室负责人，同时也是 PyTorch 基金会的代表，我有幸能近距离观察社区中所有令人兴奋的活动。最令人印象深刻（且持续增长）的发展之一，是全球各地不断涌现的 PyTorch Meetup 小组。

我住在加利福尼亚州圣克鲁兹，这里被称为“硅谷近邻”，山那边的活动几乎多到令人目不暇接。虽然从直线距离来看并不遥远，但翻越山脉去参与这些活动并不总是最便捷的选择。但正因如此，我们实际上拥有一个充满活力的技术社区，这里的人都很务实，重视亲近自然以及更慢节奏、更实惠的生活方式。

基于这样的背景，我心想：“嘿，史蒂夫，我们这里有一所顶尖的研究型大学和一个优秀的技术社区，不如在这里组织一场 PyTorch Meetup 吧。”

我希望你从这篇文章中获得什么

我写这篇文章有两个目的：

• 向你介绍我们首次 Meetup 的内容——简而言之，这是一次非常精彩的活动，尤其适合那些刚开始接触 AI 和 PyTorch 的人。

• 激励你在本地启动一场 PyTorch Meetup。它不需要规模宏大，不需要每两周都举办一次，也不需要专注于底层 PyTorch 或直接参与代码库开发的人。

PyTorch 已经从最初 Meta 内部专注于基础研究的项目，发展成为现代 AI 基础架构的核心。贡献者群体（包括文档和代码库）的广度显著扩大，极大地拓展了 PyTorch（及其生态系统）的能力和应用范围。因此，如今几乎所有 AI 和机器学习领域的从业者，无论是直接还是间接，都在使用 PyTorch。我认为我们应当庆祝并展示 PyTorch 所实现的这些更广泛的应用成果。

我们的 PyTorch Meetup 是如何诞生的

红帽始终秉持“优先考虑上游”的理念，希望进一步扩大 PyTorch 社区的影响力，覆盖更多技能水平和地理区域。我曾参加过圣克鲁兹地区的几次 Meetup，并与 UCSC 的多位学生和教职员工交流过。我一直对那些身处科技中心附近却仍能保持一定距离的群体所展现出的技能和视角印象深刻。

另一个关键因素是 UCSC 拥有一个活跃且积极参与的 OSPO（开源计划办公室），此前曾与我的团队合作过。因此，当今年春天 UC Open Summit 在伯克利举行时，我特意参加并努力与 UCSC 的 OSPO 团队取得联系。果然，当我与我的联合组织者 Stephanie Lieggi 会面并告诉她我的想法后，她对合作感到非常兴奋，我们几乎立即开始了筹备工作。他们联系了部分人员，我联系了另一部分人，我们准备了食物，他们安排了场地和停车位——Meetup 由此正式开始！

我们有大约45人参加了首次聚会，活动在工程楼的报告厅举行。到场的人员构成非常多样，包括本地社区的专业工程师、一些企业领袖、研究生以及正在暑期实习的本科生。天气非常好，这在圣克鲁兹非雨季是典型的天气状况，因此我们在庭院里举办了地中海风格的晚餐。活动还设置了周边礼品派发环节，一如既往，最受欢迎的仍然是贴纸！！

成功的首次聚会

活动伊始，NVIDIA的Faradawn Yang带来了一场非常精彩的演讲，他向我们讲解了GPU的不同组成部分。他的讲解方式是我此前从未见过的。他从基础的矩阵运算开始，说明这些运算如何成为CUDA核心的常规操作。接着他帮助我们理解Tensor核心如何通过将更高级的矩阵运算进行分组，从而避免开销并加速运算。他甚至解释了在推理和训练过程中，哪些部分用于前向传播和反向传播。

Faradawn的演讲为Red Hat的Anil Vishnoi的第二场演讲奠定了很好的基础。Anil的演讲聚焦于GPU编程，特别是PyTorch内核的开发。他首先帮助我们理解CPU和GPU在架构、线程和整体执行模型上的差异。他介绍了在使用GPU时需要关注的模式，说明操作类型的重要性，并分享了入门工作的实用建议。

为了结束当晚的活动，我们邀请了三位与UCSC有关联的演讲者进行了闪电演讲。这些演讲者很好地展示了PyTorch和AI在现代技术栈中的应用广度和易用性。第一位是化学博士后Filippo Balzaretti，他演示了如何利用PyTorch近似原子间势能。虽然已有解析和统计方法可以分析这些力，但这些方法在可扩展性方面存在局限，难以在人类相关的时间尺度内求解。通过使用PyTorch中的神经网络，他们能够模拟更大的系统，并成功预测出对他们重要的属性。看到这项技术在电池、量子计算等领域具有广泛的应用前景，并且得到了大多数大型AI实验室的支持，这非常有趣。

接下来是来自佛罗里达A&M大学的本科生Kameron Benjamin的演讲，作为生态学家和计算机视觉爱好者，这个演讲对我来说有特别的意义。他日程繁忙，却注意到家里的植物开始生病。于是，他以开源精神为指引，开发了一个基于计算机视觉的AI应用，通过叶子图片来诊断植物疾病。他创建了Green Guardian应用，并且还额外展示了该应用的实际运行演示。听到他利用PyTorch官网资源和网络上的诸多教程，独立完成这个项目的经历，令人印象深刻。

将我们送回起点的是博士生Manasi Pawar，她的研究方向是视觉语言动作模型。当晚演讲的重点是“我们能多大程度信任这些模型输出的推理轨迹，以解释模型为何选择某个特定动作”。她关注这些模型在自动驾驶汽车中的应用，因此信任这些推理轨迹的能力对模型（及人类）安全具有关键影响。观看他们如何将实际驾驶轨迹与模型推理进行关联非常有趣。剧透：就像我们在大语言模型中学到的那样，你不能信任这些推理轨迹能准确解释模型输出。Manasi给出了一个极具说服力的例子：推理轨迹解释了为何选择右转，而实际上模型却进行了左转。

加入我们即将举办的PyTorch聚会

总体而言，这不仅是一次信息丰富的聚会，也充满趣味。很高兴看到圣克鲁兹社区各地的AI从业者齐聚一堂、分享知识。我们已经安排好了下一次聚会，并确定了首位演讲者，后续还会有更多嘉宾。届时将有来自OpenTeams的Rob Timpe分享关于使用和调试Torch.compile的经验。

凭借圣克鲁兹活跃的技术氛围，我们正积极邀请本地企业如Joby、Looker（Google）、Fullpower-AI的演讲者参与。我们也在考虑探索不同的场地，例如Pacific Workplaces、CitizenSpace、Cruzio，甚至可能包括我们当地的公共图书馆。

如果你有主题建议、希望成为演讲者，或知道合适的场地，我们非常期待你的反馈。请在我们的Luma日历页面留言，或直接与我联系。

总结

我们的首次聚会是一个良好的开端，但正如我之前所说，本文的主要目标之一是希望这种热情能够被复制到其他社区。如果你一直在犹豫是否要在自己所在地区启动PyTorch社区，那么这就是你行动的契机。你不需要巨额预算或严格结构也能产生影响：

• 从小处着手：你不需要大量人群就能进行高质量、高影响力的对话。
• 发挥自身优势：无论你附近是否有大学或本地技术社区，都要利用好你所在地区已有的好奇心聚集点。
• 保持低调：最好的聚会是让人感到亲切且轻松的，而非过于正式或令人望而生畏。
• 拓展范围：记住PyTorch几乎触及现代AI堆栈的每个角落——总有值得探索的新内容。可以参考PyTorch基金会主持的项目范围，以及PyTorch生态系统成员支持的更广泛应用场景获取灵感。
• 最重要的是享受过程：当你们一起探索技术时，技术会变得更好。

我们对首次活动的成功举办感到非常兴奋，并已期待着社区的进一步发展。如果你身处本地，我们期待你参加下一次聚会。如果你无法参与，现在就是启动你自己的社区建设的最佳时机。让我们继续前进。