-
torch
torch 张量 Tensors 创建操作 Creation Ops 索引,切片,连接,换位Indexing, Slicing, Joining, Mutating Ops torch.cat torch.gather torch.index_select torch.masked_select torch.nonzero torch.spl... -
torch.nn
torch.nn class torch.nn.Parameter() class torch.nn.Module add_module(name, module) apply(fn) children() cpu(device_id=None) cuda(device_id=None) double() eval() float() fo... -
强化学习（DQN）教程
强化学习（DQN）教程 回放记忆 DQN 算法 Q 网络 输入提取 训练 超参数和工具 训练循环 强化学习（DQN）教程 原文：https://pytorch.org/tutorials/intermediate/reinforcement_q_learning.html 作者 ： Adam Paszke 本教程说明如何使用... -
在 C++ 中加载 TorchScript 模型
在 C++ 中加载 TorchScript 模型 第 1 步：将 PyTorch 模型转换为 Torch 脚本 通过跟踪转换为 Torch 脚本 通过注解转换为 Torch 脚本 第 2 步：将脚本模块序列化为文件 第 3 步：在 C++ 中加载脚本模块 最小的 C++ 应用 依赖 LibTorch 并构建应用 步骤 4：在 C++ 中执行脚本... -
使用 Ray Tune 的超参数调整
使用 Ray Tune 的超参数调整 设置/导入 数据加载器 可配置的神经网络 训练函数 通过DataParallel 添加（多）GPU 支持 与 Ray Tune 交流 完整的训练函数 测试集准确率 配置搜索空间 使用 Ray Tune 的超参数调整 原文：https://pytorch.org/tutorials/beginne... -
用 PyTorch 编写分布式应用
用 PyTorch 编写分布式应用 设置 点对点通信 集合通信 分布式训练 我们自己的 Ring-Allreduce 高级主题 通信后端 初始化方法 用 PyTorch 编写分布式应用 原文：https://pytorch.org/tutorials/intermediate/dist_tuto.html 作者 ：SébArn... -
torchvision对象检测微调教程
torchvision 对象检测微调教程 定义数据集 为 PennFudan 编写自定义数据集 定义模型 1-将预训练模型用于微调 2-修改模型以添加其他主干 PennFudan 数据集的实例细分模型 将所有内容放在一起 测试forward() 方法（可选） 总结 torchvision 对象检测微调教程 原文：https://py... -
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch API 定义 依赖项 简单的 Web 服务器 推断 准备图像 预测 将模型集成到我们的 API 服务器中 后续步骤 通过使用 Flask 的 REST API 在 Python 中部署 PyTorch 原文：https://pytorch.org/t... -
分布式 RPC 框架入门
分布式 RPC 框架入门 使用 RPC 和 RRef 的分布式强化学习 使用分布式 Autograd 和分布式优化器的分布式 RNN 分布式 RPC 框架入门 原文：https://pytorch.org/tutorials/intermediate/rpc_tutorial.html 作者 ：Shen Li 先决条件： PyTo... -
用字符级RNN分类名称
用字符级RNN分类名称 准备数据 将名字转化为张量 创建网络 训练 准备训练 训练网络 绘制结果 评估结果 在用户输入上运行 练习 用字符级RNN分类名称 译者：@孙永杰 作者 : Sean Robertson 我们将建立和训练一个基本的字符级RNN进行分类单词. 字符级别的RNN将单词读为一系列字符 - 在每个步骤输...
