摘要：
译者：bdqfork 这个包添加了对CUDA张量类型的支持，它实现了与CPU张量同样的功能，但是它使用GPU进计算。 它是懒加载的，所以你可以随时导入它，并使用 is_available() 来决定是否让你的系统支持CUDA。 CUDA semantics 有关于使用CUDA更详细的信息。 torc 阅读全文
摘要：
译者：冯宝宝 许许多多的PyTorch操作都支持NumPy Broadcasting Semantics。 简而言之，如果PyTorch操作支持广播，那么它的Tensor参数可以自动扩展为相同的类型大小（不需要复制数据）。 一般语义 如果遵守以下规则，则两个张量是“可广播的”： 每个张量至少有一个维 阅读全文
摘要：
译者：冯宝宝 本说明将概述autograd（自动求导）如何工作并记录每一步操作。了解这些并不是绝对必要的，但我们建议您熟悉它，因为它将帮助你编写更高效，更清晰的程序，并可以帮助您进行调试。 反向排除子图 每个张量都有一个标志：requires_grad，允许从梯度计算中细致地排除子图，并可以提高效率 阅读全文
摘要：
译者：mengfu188 作者: Sean Robertson 在这个项目中，我们将教一个把把法语翻译成英语的神经网络。 [KEY: > input, = target, < output] > il est en train de peindre un tableau . = he is pain 阅读全文
摘要：
译者：冯宝宝 在本教程中，我们将介绍如何使用ONNX将PyTorch中定义的模型转换为ONNX格式，然后将其加载到Caffe2中。一旦进入Caffe2，我们就可以运行模型来仔细检查它是否正确导出，然后我们展示了如何使用Caffe2功能（如移动导出器）在移动设备上执行模型。 在本教程中，你需要安装on 阅读全文
摘要：
译者：cangyunye 作者: Nathan Inkawhich 如果你正在阅读这篇文章，希望你能理解一些机器学习模型是多么有效。现在的研究正在不断推动ML模型变得更快、更准确和更高效。然而，在设计和训练模型中经常会忽视的是安全性和健壮性方面，特别是在面对欺骗模型的对手时。 本教程将提高您对ML模 阅读全文
摘要：
译者：cangyunye 作者: Matthew Inkawhich 本教程将介绍如何是seq2seq模型转换为PyTorch可用的前端混合Torch脚本。 我们要转换的模型是来自于聊天机器人教程 Chatbot tutorial. 你可以把这个教程当做Chatbot tutorial的第二篇章,并 阅读全文