-
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... -
Distributed communication package - torch.distributed
Distributed communication package - torch.distributed Basics Initialization TCP initialization Shared file-system initialization Environment variable initialization Groups Po... -
钩子简单制作-tag加连接解说版(随风编写)
钩子简单制作-tag加连接解说版(随风编写) 钩子简单制作-tag加连接解说版(随风编写) 钩子是贯穿X1的血管 他连通了X1全部脉络 插件和钩子组合就可以做出模块一样的东东了 一般我们做插件就把钩子一起做到一起了 但是有时候功能很小 插件有需要写很多文件怎么办 没事 钩子来帮忙 他是单文件 仅仅一个文件就可以实现你想要的小功能 下面我说个场景 我后... -
torch.optim
torch.optim 如何使用optimizer 构建 为每个参数单独设置选项 进行单次优化 算法 class torch.optim.Optimizer(params, defaults) [source] load_state_dict(state_dict) [source] state_dict() [source] step(clos... -
CUDA 语义
CUDA 语义 3.1 设备分配 3.2 异步执行 3.2.1 CUDA 流 3.3 内存管理 3.4.1 设备诊断 3.4 使用固定的内存缓冲区 3.5 使用 nn.DataParallel 代替多线程处理 译者署名 CUDA 语义 异步执行 CUDA 流 内存管理 最佳实践 设备无关代码 使用固定的内存缓冲区 使用... -
04 AIGC的技术方法
04 AIGC的技术方法 04 AIGC的技术方法 在AIGC领域中，分析式AI（Analytical AI）和生成式AI（Generative AI）是两种不同的技术方法。分析式AI通常利用预先训练的模型对数据进行分析，预测输出结果。生成式AI则是一种更加灵活的方法，它可以根据给定的数据生成新的内容。 分析式AI和生成式AI并不存在先后关系，它们是... -
Multiprocessing 包 - torch.multiprocessing
Multiprocessing 包 - torch.multiprocessing 战略管理 共享 CUDA 张量 共享策略 文件描述符 -file_descripor 文件系统 -file_system 译者署名 Multiprocessing 包 - torch.multiprocessing 战略管理 共享 CUDA 张量 共... -
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... -
1.13 Java还是C++
1.13 Java还是C++ 1.13 Java还是C++ Java特别象C++；由此很自然地会得出一个结论：C++似乎会被Java取代。但我对这个逻辑存有一些疑问。无论如何，C++仍有一些特性是Java没有的。而且尽管已有大量保证，声称Java有一天会达到或超过C++的速度。但这个突破迄今仍未实现（尽管Java的速度确实在稳步提高，但仍未达到C++的... -
常见问题
常见问题 我的模型报告 “cuda runtime error(2): out of memory” 我的 GPU 内存没有正确释放 我的多个数据加载器返回相同的随机数 我的回归网络不能使用数据并行 译者署名 常见问题 我的模型报告 “cuda runtime error(2): out of memory” 如错误消息所示，您的GPU 上...
