PyTorch 1.5 发布了，此版本包括新增加了几个主要的 API 和一些改进、对 C++ 前端有重大更新、用于计算机视觉模型的“通道维持（channels last）”存储格式，以及用于模型并行训练的分布式 RPC 框架的稳定版本。
之前被标记为实验性质的 C++ 前端 API 现在已经与 Python 地位相当，并且总体特性已移至“稳定”状态。一些主要亮点包括：
用于计算机视觉模型的“通道维持（channels last）”存储格式，目前处于实验阶段。该格式的内存布局可以充分发挥性能高效的卷积算法和硬件（NVIDIA 的 Tensor Core、FBGEMM、QNNPACK）的能力。此外，它被设计为通过运算符自动传播，从而允许在内存布局之间轻松切换。
分布式 RPC 框架在 1.4 版本中以实验性形式出现，现在它已经处于稳定状态。此过程涉及许多增强功能和 bug 修复，以使分布式 RPC 框架总体上更可靠和更健壮。同时还添加了两个新特性，包括概要分析支持，在 RPC 中使用 Torchscript 函数以及一些易于使用的增强功能。
