-
使用 PyTorch C++ 前端
使用 PyTorch C++ 前端 动机 编写基本应用 定义神经网络模型 模块 API 基础 定义模块和注册参数 注册子模块并遍历模块层次结构 在正向模式下运行网络 模块所有权 定义 DCGAN 模块 什么是 GAN aGAN？ 生成器模块 判别器模块 加载数据 编写训练循环 移至 GPU 检查点和恢复训练状态 检查生成的图像... -
torch.nn
torch.nn Parameters (参数) Containers (容器) Module Sequential ModuleList ParameterList Convolution Layers (卷积层) Conv1d Conv2d Conv3d ConvTranspose1d ConvTranspose2d ConvTra... -
自定义 C++ 和 CUDA 扩展
自定义 C++ 和 CUDA 扩展 动机和示例 编写 C++ 扩展 使用setuptools 构建 编写 C++ 操作 正向传播 反向传播 绑定到 Python 使用扩展程序 性能比较 GPU 设备上的性能 JIT 编译扩展 编写混合的 C++/CUDA 扩展 使用访问器 将 C++/CUDA 操作与 PyTorch 集成 性能比较 ... -
torch
torch Tensors (张量) Creation Ops (创建操作) Indexing, Slicing, Joining, Mutating Ops (索引, 切片, 连接, 换位) 操作 Random sampling (随机采样) In-place random sampling (直接随机采样) Serialization (序列化... -
使用自定义 C++ 运算符扩展 TorchScript
使用自定义 C++ 运算符扩展 TorchScript 在 C++ 中实现自定义运算符 使用 TorchScript 注册自定义运算符 构建自定义运算符 环境设置 将 CMake 用于构建 在 Python 中使用 TorchScript 自定义运算符 在跟踪中使用自定义运算符 将自定义运算符与脚本一起使用 在 C++ 中使用 TorchSc... -
torch.nn
torch.nn Parameters class torch.nn.Parameter() Containers(容器）： class torch.nn.Module add_module(name, module) children() cpu(device_id=None) cuda(device_id=None) double() ev... -
从零开始的 NLP：使用序列到序列网络和注意力的翻译
从零开始的 NLP：使用序列到序列网络和注意力的翻译 加载数据文件 Seq2Seq 模型 编码器 解码器 简单解码器 注意力解码器 训练 准备训练数据 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习 从零开始的 NLP：使用序列到序列网络和注意力的翻译 原文：https://pytorch.org/tutoria... -
DCGAN 教程
DCGAN 教程 简介 生成对抗网络 什么是 GAN？ 什么是 DCGAN？ 输入 数据 实现 权重初始化 生成器 判别器 损失函数和优化器 训练 结果 下一步去哪里 DCGAN 教程 原文：https://pytorch.org/tutorials/beginner/dcgan_faces_tutorial.html ... -
用基于注意力机制的seq2seq神经网络进行翻译
用基于注意力机制的seq2seq神经网络进行翻译 加载数据文件 Seq2Seq模型 编码器 解码器 简单的解码器 注意力解码器 训练模型 绘制结果 评估 训练和评估 可视化注意力 练习 用基于注意力机制的seq2seq神经网络进行翻译 译者：@EWilsen 作者 : Sean Robertson 这个教程主要讲解... -
torch.nn到底是什么？
torch.nn 到底是什么？ MNIST 数据集 从零开始的神经网络（没有torch.nn ） 使用torch.nn.functional 使用nn.Module 重构 使用nn.Linear 重构 使用optim 重构 使用Dataset 重构 使用DataLoader 重构 添加验证 创建fit() 和get_data() 切换...
