-
使用自定义 C++ 类扩展 TorchScript
使用自定义 C++ 类扩展 TorchScript 用 C++ 实现和绑定类 使用 CMake 将示例构建为 C++ 项目 从 Python 和 TorchScript 使用 C++ 类 使用自定义类保存，加载和运行 TorchScript 代码 将自定义类移入或移出IValue 为自定义 C++ 类定义序列化/反序列化方法 定义接受或返回绑定... -
8.2.3 常见 GUI 构件的用法
8.2.3 常见 GUI 构件的用法 8.2.3 常见 GUI 构件的用法 本节介绍一些最常见的 GUI 构件的用法。为了便于讨论，我们使用 Python 的命令行界 面①来交互式地执行语句，这样可以执行一条语句就立即看到其执行效果。读者也可以一边 阅读本书，一边在计算机上动手练习。 GUI 编程首先要做的是导入 Tkinter 模块并创建根窗口： ... -
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... -
AI提示词：Prompt效果的3大核心指标体系（准确率+流畅度+可解释性）
一、前言：为什么需要 “Prompt 效果指标”？ 二、核心指标 1：准确率 ——Prompt 效果的 “底线” 1. 定义与核心评估维度 2. 量化评估方法（附工具） 3. 实战案例：信息提取类 Prompt 的准确率评估 4. 准确率优化技巧 三、核心指标 2：流畅度 ——Prompt 效果的 “体验感” 1. 定义与核心评估维度 2. 量... -
对抗示例生成
对抗示例生成 威胁模型 快速梯度符号攻击 实现 输入 受到攻击的模型 FGSM 攻击 测试函数 运行攻击 结果 准确率与ε 对抗示例样本 接下来要去哪里？ 对抗示例生成 原文：https://pytorch.org/tutorials/beginner/fgsm_tutorial.html 作者： Nathan I... -
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... -
2.2 数据抽象
2.2 数据抽象 2.2.1 示例：有理数的算术 2.2.2 元组 2.2.3 抽象界限 2.2.4 数据属性 2.2 数据抽象 来源：2.2 Data Abstraction 译者：飞龙 协议：CC BY-NC-SA 4.0 由于我们希望在程序中表达世界中的大量事物，我们发现它们的大多数都具有复合结构。日期是年月日，地理... -
事件处理及拾取
事件处理及拾取 事件连接 事件属性 可拖拽的矩形练习 鼠标进入和离开 对象拾取 简单拾取示例 拾取练习 事件处理及拾取 原文：Event handling and picking 译者：飞龙 协议：CC BY-NC-SA 4.0 matplotlib 使用了许多用户界面工具包（wxpython，tkinter，qt4，g... -
使用 RPC 的分布式管道并行化
使用 RPC 的分布式管道并行化 基础知识 第 1 步：对 ResNet50 模型进行分片 第 2 步：将 ResNet50 模型片段拼接到一个模块中 步骤 3：定义训练循环 第 4 步：启动 RPC 进程 使用 RPC 的分布式管道并行化 原文：https://pytorch.org/tutorials/intermediate/dist... -
变换教程
变换教程 数据坐标 轴域坐标 混合变换 使用偏移变换来创建阴影效果 变换流水线 变换教程 原文：Transformations Tutorial 译者：飞龙 协议：CC BY-NC-SA 4.0 像任何图形包一样，matplotlib 建立在变换框架之上，以便在坐标系，用户数据坐标系，轴域坐标系，图形坐标系和显示坐标系之间轻...
