-
简介
简介 简介 原文：Introduction 译者：飞龙 协议：CC BY-NC-SA 4.0 Matplotlib 是一个用于在 Python 中绘制数组的 2D 图形库。虽然它起源于模仿 MATLAB®[1] 图形命令，但它独立于 MATLAB，可以以 Pythonic 和面向对象的方式使用。虽然 Matplotlib 主要是在纯... -
使用分布式 RPC 框架实现参数服务器
使用分布式 RPC 框架实现参数服务器 使用分布式 RPC 框架实现参数服务器 原文：https://pytorch.org/tutorials/intermediate/rpc_param_server_tutorial.html 作者 ： Rohan Varma 先决条件： PyTorch 分布式概述 RPC API 文档 ... -
编写数学表达式
编写数学表达式 下标和上标 分数、二项式和堆叠数 根式 字体 自定义字体 重音符号 符号 示例 编写数学表达式 原文：Writing mathematical expressions 译者：飞龙 协议：CC BY-NC-SA 4.0 你可以在任何 matplotlib 文本字符串中使用子 TeX 标记，将它放在一对美元... -
PyTorch深度学习
PyTorch深度学习 深度学习构建模块: Affine maps, non-linearities and objectives Affine Maps Non-Linearities(非线性) Softmax and Probabilities(Softmax和概率分布) Objective Functions(目标函数) Optimizati... -
1.3 定义新的函数
1.3 定义新的函数 1.3.1 环境 1.3.2 调用用户定义的函数 1.3.3 示例：调用用户定义的函数 1.3.4 局部名称 1.3.5 实践指南：选择名称 1.3.6 作为抽象的函数 1.3.7 运算符 1.3 定义新的函数 来源：1.3 Defining New Functions 译者：飞龙 协议：CC BY-N... -
PyTorch 中使用 Eager 模式的静态量化（beta）
PyTorch 中使用 Eager 模式的静态量化（beta） 1.模型架构 2.辅助函数 3.定义数据集和数据加载器 ImageNet 数据 4.训练后的静态量化 5.量化感知的训练 来自量化的加速 总结 PyTorch 中使用 Eager 模式的静态量化（beta） 原文：https://pytorch.org/tutorials... -
使用torchaudio的语音命令识别
使用torchaudio 的语音命令识别 导入数据集 格式化数据 定义网络 训练和测试网络 总结 使用torchaudio 的语音命令识别 原文：https://pytorch.org/tutorials/intermediate/speech_command_recognition_with_torchaudio.html 本教程... -
BERT 上的动态量化（Beta）
BERT 上的动态量化（Beta） 简介 1.设置 1.1 安装 PyTorch 和 HuggingFace 转换器 1.2 导入必要的模块 1.3 了解辅助函数 1.4 下载数据集 2.微调 BERT 模型 2.1 设置全局配置 2.2 加载经过微调的 BERT 模型 2.3 定义分词和评估函数 3.应用动态量化 3.1 检查模型大小 ... -
使用torchtext的文本分类
使用torchtext 的文本分类 使用 N 元组加载数据 定义模型 启动实例 用于生成批量的函数 定义函数来训练模型并评估结果 分割数据集并运行模型 使用测试数据集评估模型 测试随机新闻 使用torchtext 的文本分类 原文：https://pytorch.org/tutorials/beginner/text_sentimen... -
训练分类器
训练分类器 数据呢？ 训练图像分类器 1.加载并标准化 CIFAR10 2.定义卷积神经网络 3.定义损失函数和优化器 4.训练网络 5.根据测试数据测试网络 在 GPU 上进行训练 在多个 GPU 上进行训练 我下一步要去哪里？ 训练分类器 原文：https://pytorch.org/tutorials/beginner/bl...
