支持CUDA 11：CUDA 9.2 - 11
通过 torch.fft 支持 NumPy 兼容的 FFT 操作（测试版）
Windows 系统上的分布式训练：DistributedDataParallel和集合通信提供了原型支持（原型版）
支持Nvidia A100的 原生TF32格式
PyTorch Mobile支持iOS和Android，CocoaPods和JCenter，并分别提供了二进制软件包
TORCHVISION 0.8
官方 自动混合精度（AMP）训练 torch.amp,不需要nv的apex
torch.autograd.profiler 内存分析器 （测试版）
不支持python 3.5 以前版本
TORCHVISION 0.7
TORCHAUDIO 0.6
Pytorch1.6版本开始，PyTorch 的特性将分为 Stable（稳定版）、Beta（测试版）和 Prototype（原型版）
C++ 前端 API（稳定型）
分布式 RPC 框架 API（稳定型）
不再支持 Python 2
TORCHVISION 0.6
optim.lr_scheduler 持「链式更新（chaining）」。即可以定义两个 schedulers，并交替在训练中使用。
Java bindings（实验性） Java bindings 从任何 Java 程序中调用 TorchScript 模型，只支持linux
分布式模型并行训练RPC （实验性）
命名张量（实验性） named tensor
量化支持 用 eager 模式进行 8 位模型量化
谷歌云 TPU
PyTorch Mobile 移动端 从 Python 到部署在 iOS 和安卓端
官方实现标准的 nn.Transformer 模块
CUDA 9.2 +
TORCHVISION 0.4
D API（Domain API）：torchvision、torchtext 和 torchaudio
支持 TensorBoard ： from torch.utils.tensorboard import SummaryWriter
不再支持CUDA 8.0
TORCHVISION 0.3
Torch Hub 预训练的模型库
JIT 编译器
C++ 前端 （实验性）
全新的分布式包torch.distributed和 torch.nn.parallel.DistributedDataParallel
支持 Windows 系统
Tensor/Variable 合并，取消Variable