-
Distributed communication package - torch.distributed
Distributed communication package - torch.distributed Basics Initialization TCP initialization Shared file-system initialization Environment variable initialization Groups Po... -
torch.autograd的简要介绍
torch.autograd 的简要介绍 背景 在 PyTorch 中的用法 Autograd 的微分 可选阅读-使用autograd 的向量微积分 计算图 从 DAG 中排除 进一步阅读： torch.autograd 的简要介绍 原文：https://pytorch.org/tutorials/beginner/blitz/auto... -
训练一个分类器
训练一个分类器 数据呢? 训练一个图像分类器 1. 加载并规范化 CIFAR10 2. 定义一个卷积神经网络 3. 定义一个损失函数和优化器 4. 训练网络 5. 在测试数据上测试网络 在 GPU 上训练 在多个GPU上进行训练 我下一步去哪里? 训练一个分类器 译者：@小王子 校对者：@李子文 就是这个, 你已经看到... -
分布式通讯包 - torch.distributed
分布式通讯包 - torch.distributed 基本 初始化 torch.distributed.init_process_group(backend, init_method=’env://‘, kwargs) torch.distributed.get_rank() torch.distributed.get_world_size() TC... -
十六、朴素贝叶斯
十六、朴素贝叶斯 伯努利朴素贝叶斯 校准预测概率 高斯朴素贝叶斯分类器 多项式逻辑回归 多项式朴素贝叶斯分类器 从零编写朴素贝叶斯分类器 十六、朴素贝叶斯 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 伯努利朴素贝叶斯 伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的，它们仅有两个值（例... -
Multi-GPU examples
Multi-GPU examples DataParallel Part of the model on CPU and part on the GPU Multi-GPU examples 译者：@unknown 校对者：@bringtree 数据并行是指当我们将 mini-batch 的样本分成更小的 mini-batches, 并... -
自动求导机制
自动求导机制 反向排除 subgraphs (子图) requires_grad volatile autograd (自动求导) 如何编码 history (历史信息) 变量上的 In-place Operations (就地操作) In-place Operations (就地操作) 的正确性检查 自动求导机制 译者： @那伊抹微... -
多进程最佳实践
多进程最佳实践 一、CUDA 张量的共享 1、避免和防止死锁 2、重用通过队列发送的缓冲区 3、异步多进程训练（如： Hogwild） 4、Hogwild 译者署名 多进程最佳实践 CUDA 张量的共享 最佳实践和技巧 避免和防止死锁 重用通过队列发送的缓冲区 异步多进程训练 hogwild torch.multipro... -
100-Days-Of-ML-Code
100-Days-Of-ML-Code 介绍 第一天 | 数据处理 第二天 | 简单线性规划 使用单一特征来预测因变量 找到最佳的拟合线 1、数据预处理 2、训练简单线性回归模型 3、预测结果 4、可视化 第三天 | 多元线性回归 前提 注意 虚(拟)变量 虚拟变量圈套 1、数据预处理 2、训练模型 3、预测结果 ...
