-
torch.onnx
torch.onnx 示例：从 PyTorch 到 Caffe2 的端到端的 AlexNet 限制与不足 支持的运算函数 torch.onnx 功能 参数： 译者署名 torch.onnx torch.onnx 模块包含将模型导出为ONNX IR 格式的功能。这些模型可以加载ONNX 库，然后转换为在其他深度学习框架上运行的模型。 示... -
torchtext语言翻译
torchtext 语言翻译 数据处理 DataLoader 定义我们的nn.Module 和Optimizer 后续步骤 torchtext 语言翻译 原文：https://pytorch.org/tutorials/beginner/torchtext_translation_tutorial.html 本教程介绍了如何使用t... -
计算机视觉的迁移学习教程
计算机视觉的迁移学习教程 加载数据 可视化一些图像 训练模型 可视化模型预测 微调 ConvNet 训练和评估 作为固定特征提取器的 ConvNet 训练和评估 进一步学习 计算机视觉的迁移学习教程 原文：https://pytorch.org/tutorials/beginner/transfer_learning_tutoria... -
高级教程: 作出动态决策和 Bi-LSTM CRF
高级教程: 作出动态决策和 Bi-LSTM CRF 动态 VS 静态深度学习工具集 Bi-LSTM CRF (条件随机场) 讨论 具体实现笔记 练习: 为区别性标注定义一个新的损失函数 高级教程: 作出动态决策和 Bi-LSTM CRF 译者：@JingTao 、@friedhelm739 动态 VS 静态深度学习工具集 Pytor... -
通过示例学习 PyTorch
通过示例学习 PyTorch 张量 预热：NumPy PyTorch：张量 Autograd PyTorch：张量和 Autograd PyTorch：定义新的 Autograd 函数 nn 模块 PyTorch：nn PyTorch：optim PyTorch：自定义nn 模块 PyTorch：控制流 + 权重共享 示例 张量 ... -
Writing Distributed Applications with PyTorch
Writing Distributed Applications with PyTorch Setup Point-to-Point Communication Collective Communication Distributed Training Our Own Ring-Allreduce Advanced Topics Communica... -
torch.Tensor
torch.Tensor torch.Tensor 译者：@Sylvester 、@那伊抹微笑 校对者：@Sariel torch.Tensor 是一种包含单一数据类型元素的多维矩阵. Torch 定义了七种 CPU tensor 类型和八种 GPU tensor 类型: Data type CPU tensor GPU ... -
torch.optim
torch.optim 如何使用 optimizer (优化器) 构建 为每个参数单独设置选项 进行单步优化 optimizer.step() optimizer.step(closure) 算法 如何调整学习率 torch.optim 译者：@于增源 校对者：@青梅往事 torch.optim is a packa... -
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... -
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...
