-
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... -
从零开始的 NLP：使用字符级 RNN 生成名称
从零开始的 NLP：使用字符级 RNN 生成名称 准备数据 创建网络 训练 准备训练 训练网络 绘制损失图 网络采样 练习 从零开始的 NLP：使用字符级 RNN 生成名称 原文：https://pytorch.org/tutorials/intermediate/char_rnn_generation_tutorial.html ... -
一文读懂：如何高效学习 hello - algo，开启算法学习之旅
一文读懂：如何高效学习hello - algo，开启算法学习之旅 一、明确学习定位，制定清晰目标 二、系统学习项目教程，深入理解算法原理 三、实践项目代码，强化编程实现能力 四、利用项目练习题，巩固所学知识 五、参与项目社区，交流学习心得 一文读懂：如何高效学习hello - algo，开启算法学习之旅 在算法学习的领域中，“hello - ... -
使用torchaudio的语音命令识别
使用torchaudio 的语音命令识别 导入数据集 格式化数据 定义网络 训练和测试网络 总结 使用torchaudio 的语音命令识别 原文：https://pytorch.org/tutorials/intermediate/speech_command_recognition_with_torchaudio.html 本教程... -
PyTorch 中使用 Eager 模式的静态量化（beta）
PyTorch 中使用 Eager 模式的静态量化（beta） 1.模型架构 2.辅助函数 3.定义数据集和数据加载器 ImageNet 数据 4.训练后的静态量化 5.量化感知的训练 来自量化的加速 总结 PyTorch 中使用 Eager 模式的静态量化（beta） 原文：https://pytorch.org/tutorials... -
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... -
训练玩马里奥的 RL 智能体
训练玩马里奥的 RL 智能体 RL 定义 环境 初始化环境 预处理环境 智能体 行动 缓存和回忆 学习 神经网络 TD 估计和 TD 目标 更新模型 保存检查点 全部放在一起 日志记录 开始吧！ 总结 训练玩马里奥的 RL 智能体 原文：https://pytorch.org/tutorials/intermediat... -
PyTorch 中的命名张量简介（原型）
PyTorch 中的命名张量简介（原型） 基础知识：命名维度 访问器和归约 名称推断 广播 矩阵乘法 新行为：按名称显式广播 新行为：按名称展平或取消展平维度 Autograd 支持 其他受支持的（和不受支持的）功能 更长的例子：多头关注 运行示例 总结 PyTorch 中的命名张量简介（原型） 原文：https://pyto... -
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... -
单机模型并行最佳实践
单机模型并行最佳实践 基本用法 将模型并行应用于现有模块 通过流水线输入加快速度 单机模型并行最佳实践 原文：https://pytorch.org/tutorials/intermediate/model_parallel_tutorial.html 作者 ：Shen Li 模型并行在分布式训练技术中被广泛使用。 先前的帖子已经解...
