摘要：
Tensor是一种特殊的数据结构，非常类似于数组和矩阵。在PyTorch中，我们使用tensor编码模型的输入和输出，以及模型的参数。 Tensor类似于Numpy的ndarrays，除了tensor能在GPUs或其它硬件加速器上运行。事实上，tensor和NumPy数组可以共享相同的底层内存，而不 阅读全文
摘要：
本节介绍有关机器学习常见任务重的API。请参阅每一节的链接以深入了解。 Working with data PyTorch有两个有关数据工作的原型：torch.utils.data.DataLoader 和 torch.utils.data.Dataset。Dataset 存储了样本及其对应的标签， 阅读全文
摘要：
大多数机器学习流程都包括数据、创建模型、优化模型参数，以及保存训练模型工作。该教程向你介绍一个在PyTorch上实现的完整的机器学习工作流，并提供了了解这些概念详细信息的链接。 我们将使用FashionMNIST数据集训练一个神经网络，用以预测输入图片是否属于以下几类：T-shirt/top, Tr 阅读全文
摘要：
你已经知道怎样定义神经网络，计算损失和更新网络权重。现在你可能会想， 那么，数据呢？ 通常，当你需要解决有关图像、文本或音频数据的问题，你可以使用python标准库加载数据并转换为numpy array。然后将其转换为 torch.Tensor。 对于图像，例如Pillow，OpenCV 对于音频， 阅读全文
摘要：
神经网络可以使用 torch.nn包构建。 现在你已经对autograd有所了解，nn依赖 autograd 定义模型并对其求微分。nn.Module 包括层，和一个返回 output 的方法 - forward(input)。 例如，看看这个对数字图片进行分类的网络： convnet 这是一个简单 阅读全文
摘要：
torch.autograd 是PyTorch的自动微分引擎，用以推动神经网络训练。在本节，你将会对autograd如何帮助神经网络训练的概念有所理解。 背景 神经网络（NNs）是在输入数据上执行的嵌套函数的集合。这些函数由参数（权重、偏置）定义，并在PyTorch中保存于tensors中。 训练N 阅读全文
摘要：
Tensor是一种特殊的数据结构，非常类似于数组和矩阵。在PyTorch中，我们使用tensor编码模型的输入和输出，以及模型的参数。 Tensor类似于Numpy的数组，除了tensor可以在GPUs或其它特殊的硬件上运行以加速运算。如果熟悉ndarray，那么你也会熟悉Tensor API。如果 阅读全文
摘要：
什么是PyTorch？ PyTorch 是一个基于Python的科学计算包，有两大用途： NumPy的替代品，可使用GPUs和其它加速器的强大功能 一个用于实现神经网络的自动微分库 此教程的目标： 高层次理解PyTorch的张量库和神经网络。 训练一个用于分类图片的小型神经网络。 阅读全文
摘要：
重启Ubuntu，随即长按Shift（单系统）进入Grub菜单 选择Ubuntu高级选项 选择recovery mode进入Recovery Menu界面，选择Drop to root shell prompt，“→”光标将落在Enter上，点击回车键进入root命令行 cat /etc/shado 阅读全文
摘要：
多数情况下，服务器无法直接联网，需通过手机连线上网。 设置方法如下： 终端中查看现有网络接口： ip addr 或 ifconfig 连接好数据线并在手机设置中打开“通过USB共享网络” 再次查看是否将USB识别为新的网络接口，此时没有IP地址。注意新增的网络接口名称，如“usb0” 为网络接口分配 阅读全文