-
LSTM 单词语言模型上的动态量化（beta）
LSTM 单词语言模型上的动态量化（beta） 简介 1.定义模型 2.加载文本数据 3.加载预先训练的模型 4.测试动态量化 总结 LSTM 单词语言模型上的动态量化（beta） 原文：https://pytorch.org/tutorials/advanced/dynamic_quantization_tutorial.html ... -
1.2.2 计算思维的具体例子
1.2.2 计算思维的具体例子 1.2.2 计算思维的具体例子 基于计算机的能力和局限，计算机科学家提出了很多关于计算的思想和方法，从而建立 了利用计算机解决问题的一整套思维工具。下面我们简要介绍计算机科学家在计算的不同阶 段所采用的常见思想和方法。 问题表示 用计算机解决问题，首先要建立问题的计算机表示。问题表示与问题求解是紧密相关的， 如果问... -
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... -
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... -
TorchScript 简介
TorchScript 简介 PyTorch 模型创建基础 TorchScript 的基础 跟踪Modules 使用脚本转换模块 混合脚本和跟踪 保存和加载模型 进一步阅读 TorchScript 简介 原文：https://pytorch.org/tutorials/beginner/Intro_to_TorchScript_tut... -
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： ... -
HTTP 状态码详解：分类拆解 + 场景排错，开发者必备
HTTP 状态码详解：分类拆解 + 场景排错，开发者必备（附速查表） 一、先搞懂：HTTP 状态码的分类逻辑（避免混淆） 二、按类别拆解：高频状态码 + 场景避坑 （一）1xx 信息响应：少见但关键，主要用于 “中间确认” （二）2xx 成功响应：核心是 “请求正常处理”，重点区分细节差异 （三）3xx 重定向：最容易用错，重点区分 “临时 / 永久”... -
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... -
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...
