龙哥盟

摘要： 译者: belonHan 注意 checkpointing的实现方法是在向后传播期间重新运行已被checkpint的前向传播段。 所以会导致像RNG这类(模型)的持久化的状态比实际更超前。默认情况下，checkpoint包含了使用RNG状态的逻辑(例如通过dropout)，与non-checkpoi 阅读全文

摘要： 7.14 处理时间序列 原文：Working with Time Series 译者：飞龙 协议：CC BY-NC-SA 4.0 本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。 Pandas 是在金融建模的背景下开发的，正如你所料，它包含一组 阅读全文

摘要： 9.3 理解 Python 中的数据类型 本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。 译者：飞龙 协议：CC BY-NC-SA 4.0 数据驱动的科学和有效计算需要了解数据的存储和操作方式。本节概述了如何在 Python 语言本身中处理数 阅读全文

摘要： 9.4 NumPy 数组的基础 本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。 译者：飞龙 协议：CC BY-NC-SA 4.0 Python 中的数据操作几乎与 NumPy 数组操作同义：即使是像 Pandas 这样的新工具也是围绕 Num 阅读全文

摘要： 译者：univeryinli 后端 torch.distributed 支持三个后端，每个后端具有不同的功能。下表显示哪些功能可用于CPU/CUDA张量。仅当用于构建PyTorch的实现支持时，MPI才支持CUDA。 后端gloompinccl设备CPUGPUCPU————发送✓✘✓接收✓✘✓广播✓ 阅读全文

摘要： 译者：BXuan694 torch.utils.model_zoo.load_url(url, model_dir=None, map_location=None, progress=True) 由给定URL加载Torch序列化对象。 如果该对象已经存在于model_dir中，将被反序列化并返回。U 阅读全文

摘要： 译者：cvley torch.multiprocessing 是 Python 的 multiprocessing 的直接替代模块。它支持完全相同的操作，但进行了扩展，这样所有的张量就可以通过一个 multiprocessing.Queue 进行传递，将数据移动到共享内存并只将句柄传递到另一个进程。 阅读全文

摘要： Tesra 超算网络是由 SAIC 基金会发起的，专为人工智能产业提供底层技术及 AI 资源共享服务的分布式"超算中心"。Tesra 超算网络基于 GPU 并行计算技术，通过整合全球分散的 GPU 算力资源，在建设人工智能基础设施的同时，为全球 AI 开发者提供共享算力、分布式数据存储、AI 应用开 阅读全文

摘要： 译者：ZHHAYO 作者: Nathan Inkawhich 在本教程中，我们将深入探讨如何微调和特征提取torchvision 模型，所有这些模型都已经预先在1000类的magenet数据集上训练完成。本程将深入介绍如何使用几个现代的CNN架构，并将为微调任意的PyTorch模型建立一个直觉。 由 阅读全文

摘要： 译者：bdqfork 作者: Robert Guthrie 深度学习构建模块：仿射映射, 非线性函数以及目标函数 深度学习表现为使用更高级的方法将线性函数和非线性函数进行组合。非线性函数的引入使得训练出来的模型更加强大。在本节中，我们将学习这些核心组件，建立目标函数，并理解模型是如何构建的。 仿射映 阅读全文