-
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... -
十三、树和森林
十三、树和森林 Adaboost 分类器 决策树分类器 决策树回归 特征的重要性 使用随机森林的特征选择 在随机森林中处理不平衡类别 随机森林分类器 随机森林分类器示例 数据的注解 随机森林回归 在随机森林中选择特征重要性 泰坦尼克比赛和随机森林 性别 年龄 可视化决策树 十三、树和森林 作者：Chris Albon 译... -
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... -
第二章 快速迭代的发展历程
第二章 快速迭代的发展历程 第二章 快速迭代的发展历程 在ChatGPT一词中，Chat是指对话方式，GPT是指背后的技术，其是一种基于互联网可用数据训练的文本生成深度学习模型。它用于文本问答、文本摘要、语言翻译、文本分类、代码生成和对话对答等工作中。从最初版本的GPT-1到GPT-4（ChatGPT），仅用4年时间ChatGPT就实现了快速的迭代式演... -
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... -
7.1 K 近邻算法
7.1 K 近邻算法 1.1、什么是K近邻算法 1.2、近邻的距离度量表示法 1.3、K值的选择 7.1 K 近邻算法 1.1、什么是K近邻算法 何谓K近邻算法，即K-Nearest Neighbor algorithm，简称KNN算法，单从名字来猜想，可以简单粗暴的认为是：K个最近的邻居，当K=1时，算法便成了最近邻算法，即寻找最近的那个邻居... -
概述
概述 什么是 Chat？ 核心能力 了解代码 编辑代码 运行命令 自动化工作流程 开始 我可以用 Chat 做什么？ 模式 自定义模式 上下文 代码编辑 制表符 检查站 规则 型号选择 历史和成本 代码审查 管理长时间的对话 导出聊天 复制聊天 问题... -
音频 I/O 和torchaudio的预处理
音频 I/O 和torchaudio 的预处理 打开文件 转换 函数 从 Kaldi 迁移到torchaudio 可用数据集 总结 音频 I/O 和torchaudio 的预处理 原文：https://pytorch.org/tutorials/beginner/audio_preprocessing_tutorial.html ... -
从零开始的 NLP：使用字符级 RNN 分类名称
从零开始的 NLP：使用字符级 RNN 分类名称 准备数据 将名称转换为张量 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 从零开始的 NLP：使用字符级 RNN 分类名称 原文：https://pytorch.org/tutorials/intermediate/char_rnn_classif...
