-
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... -
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... -
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... -
03 AIGC产业链参与者
03 AIGC产业链参与者 03 AIGC产业链参与者 AIGC的产业链包括硬件提供商、技术提供商、数据提供商、平台供应商、应用开发商、应用服务商、最终用户等多个参与者。这些参与者在AIGC生态中协同合作，从而推动AIGC技术的不断发展，形成一个闭合的生态体系。 硬件提供商：提供机器学习训练与推理的算力，其中GPU与TPU为硬件核心，主要参与厂商包括... -
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 ... -
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... -
练习 30：打磨、洗练、重复：总复习
练习 30：打磨、洗练、重复：总复习 文档 man , info Google 和实用资源 包管理：Debian 包管理工具aptitude 系统启动：运行级别, /etc/init.d , rcconf , update-rc.d 进程：处理进程，ps ，kill 任务调度：cron ，at 日志, /var/log , rsyslo... -
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... -
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...
