※テキストをそのまま貼り付けており、失礼します。

##対象ニュース
　https://preferred.jp/ja/news/pr20200512/

##前提
　ChainerのTrainer・ExtensionsはPyTorchのIgniteに相当する。

　「Preferred Networks、深層学習の研究開発基盤をPyTorchに移行」（2019/12/5）のChainerメジャーリリース終了のアナウンス時に、
　合わせて、Chainer→PyTorch移行ガイドがリリースされていた。
　https://chainer.github.io/migration-guide/
　ただ、サンプルコードが少なく、実装が難しい面もあった。
　Extensionsも移行していたが、一部のExtensionsは移行が難しかった。

　ChainerはLinear層やConvolution層の入力サイズにNoneを指定できる。事前に計算しないで済む。
　PyTorchは（Define by Runだが）指定する必要がある。

　Optuna（ハイパーパラメータ最適化ツール）はChainerと依存関係はなかった。

##今回のアナウンスのポイントと私の理解

　pytorch-pfn-extrasリリース。
　　Extensions ManagerとReporting。
　　　⇒Extensionsの移行が容易になったと予想される。

　　パラメータサイズの自動推論（Lazy Modules）。
　　　⇒Chainerのように、Linear層やConvolution層の入力サイズにNoneを指定できる。
　　　　今後、PyTorch本体のLinear層やConvolution層にマージされたら、更に大変うれしい。

　　分散スナップショット（Distributed Snapshot）。
　　　⇒（私は分散学習していないので、どの程度恩恵があるか、分からない。）。

　　今回は、サンプルコードも提供されている。
　　　⇒Thank you.

　Optuna　PyTorchエコシステムに公式登録。
　　⇒Optunaを安心して継続利用できる。

　今後の予定。
　　ChainerRLのPyTorch版、2020年前半予定。
　　⇒今後も期待。