-
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选）
将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选） 使用 ONNX 运行时在图像上运行模型 将模型从 PyTorch 导出到 ONNX 并使用 ONNX 运行时运行它（可选） 原文：https://pytorch.org/tutorials/advanced/super_resolution_with_onnxrun... -
BERT 上的动态量化（Beta）
BERT 上的动态量化（Beta） 简介 1.设置 1.1 安装 PyTorch 和 HuggingFace 转换器 1.2 导入必要的模块 1.3 了解辅助函数 1.4 下载数据集 2.微调 BERT 模型 2.1 设置全局配置 2.2 加载经过微调的 BERT 模型 2.3 定义分词和评估函数 3.应用动态量化 3.1 检查模型大小 ... -
十八、Keras
十八、Keras 添加丢弃 卷积神经网络 用于二分类的前馈神经网络 用于多分类的前馈神经网络 用于回归的前馈神经网络 LSTM 循环神经网络 神经网络的提前停止 神经网络的参数正则化 为神经网络预处理数据 保存模型的训练过程 调优神经网络超参数 可视化损失历史 可视化神经网络架构 可视化表现历史 神经网络的 K 折交叉验证 ... -
第七章 幕后的技术路径
第七章 幕后的技术路径 第七章 幕后的技术路径 当然，AIGC能力的提升，并不是一蹴而就的，而是经历了漫长且复杂的“模型突破—大幅提升—规模化生产—遇到障碍—再模型突破—大幅提升”的循环发展过程。而AIGC要实现商业化落地应用，走进人类生活，就必须在资源消耗、学习门槛等方面做到平民化。 AIGC的成功主要得益于基础的生成算法模型不断突破创新。比如为人... -
跟着例子学习 PyTorch
跟着例子学习 PyTorch Tensors Warm-up: numpy PyTorch: Tensors Autograd PyTorch: Variables and autograd PyTorch: Defining new autograd functions TensorFlow: Static Graphs nn module... -
基与字符级RNN(Char-RNN）的人名生成
基与字符级RNN(Char-RNN）的人名生成 数据准备 创建网络 训练 训练前的准备 网络的训练 绘制损失 网络采样 练习 基与字符级RNN(Char-RNN）的人名生成 译者：@jianchengss 作者 : Sean Robertson 在 上一个教程 里我们使用RNN把名字分类到它所属的语言中, 这次我们改变一... -
10 How to Make Comparison Your Teacher
545 2025-05-28 《The Let Them Theory: A Life-Changing Tool That Millions of People Can’t Stop Talking About》[CHAPTER 9] When Comparison Is Torturing You CHAPTER 10 They’ve Always Been Your Teacher Let Them Show That It’s Possible Let’s Talk About You [CHAPTER 9] [Yes, Life Isn’t ... -
使用torchtext的文本分类
使用torchtext 的文本分类 使用 N 元组加载数据 定义模型 启动实例 用于生成批量的函数 定义函数来训练模型并评估结果 分割数据集并运行模型 使用测试数据集评估模型 测试随机新闻 使用torchtext 的文本分类 原文：https://pytorch.org/tutorials/beginner/text_sentimen... -
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... -
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...
