随笔分类 - ApacheCN
摘要：译者： "yuange250" 跟绝大部分基于连续存储的数据结构类似，本质上是一个单一数据类型的一维连续数组(array)。 每一个 " " 都有一个与之相对应的 对象，两者存储数据的数据类型(data type)保持一致。 下面以数据类型为float的 为例介绍一下 的成员函数。 byte()函数
阅读全文
摘要：译者： "阿远" 每个 对象都有以下几个属性： " " , " " ， 和 " " 。 torch.dtype " " 属性标识了 " " 的数据类型。PyTorch 有八种不同的数据类型： | Data type | dtype | Tensor types | | | | | | 32 bit
阅读全文
摘要：译者： "yuange250" 最佳方案 保存模型的推荐方法 Pytorch主要有两种方法可用于序列化和保存一个模型。 第一种只存取模型的参数（更为推荐）： 保存参数： 读取参数： 第二种方法则将整个模型都保存下来： 读取的时候也是读取整个模型： " 阅读全文／改进本文 "
阅读全文
摘要：译者： "cvley" " " 是 Python 的 " " ") 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 " " ") 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。 注意 当一个 " " 传递到另一个进程时， " " 的数据是共享的。如果 "
阅读全文
摘要：参与方式：https://github.com/apachecn/flink doc zh/blob/master/CONTRIBUTING.md 整体进度：https://github.com/apachecn/flink doc zh/issues/13 项目仓库：https://github.
阅读全文
摘要：参与方式：https://github.com/apachecn/hbase doc zh/blob/master/CONTRIBUTING.md 整体进度：https://github.com/apachecn/hbase doc zh/issues/1 项目仓库：https://github.c
阅读全文
摘要：译者： "hijkzzz" torch.multiprocessing 是一个本地 " " ") 模块的包装. 它注册了自定义的reducers, 并使用共享内存为不同的进程在同一份数据上提供共享的视图. 一旦 tensor/storage 被移动到共享内存 (见 " " ), 将其发送到任何进程不
阅读全文
摘要：译者： "hijkzzz" 卷积函数 conv1d 对由多个输入平面组成的输入信号进行一维卷积. 有关详细信息和输出形状, 请参见 " " . 注意 在某些情况下, 当使用CUDA后端与CuDNN时, 该操作符可能会选择不确定性算法来提高性能. 如果这不是您希望的, 您可以通过设置 来尝试使操作具有
阅读全文
摘要：译者： "hijkzzz" 警告 这个API目前还处于试验阶段，可能在不久的将来会发生变化。 Torch支持COO(rdinate )格式的稀疏张量，这可以有效地存储和处理大多数元素为零的张量。 稀疏张量表示为一对稠密张量:一个值张量和一个二维指标张量。一个稀疏张量可以通过提供这两个张量，以及稀疏张
阅读全文
摘要：译者： "hijkzzz" " " 是一种包含单一数据类型元素的多维矩阵. Torch定义了八种CPU张量类型和八种GPU张量类型： | Data type | dtype | CPU tensor | GPU tensor | | | | | | | 32 bit floating point |
阅读全文
摘要：译者： "片刻" " " 用于设置和运行 CUDA 操作。它会跟踪当前选定的GPU，并且默认情况下会在该设备上创建您分配的所有 CUDA tensors。可以使用 " " 上下文管理器更改所选设备。 但是，一旦分配了 tensor，就可以对其进行操作而不管所选择的设备如何，结果将始终与 tensor
阅读全文
摘要：译者： "yportne13" 作者 : "Nathan Inkawhich" 编辑 : "Teng Li" 在这篇教程中我们会展示如何使用 Amazon AWS 的两个多路GPU节点来设置，编写和运行 PyTorch 1.0 分布式训练程序。首先我们会介绍 AWS 设置, 然后是 PyTorch
阅读全文
摘要：译者： "ETCartman" 之前我们已经学过了许多的前馈网络. 所谓前馈网络, 就是网络中不会保存状态. 然而有时 这并不是我们想要的效果. 在自然语言处理 (NLP, Natural Language Processing) 中, 序列模型是一个核心的概念. 所谓序列模型, 即输入依赖于时间信
阅读全文
摘要：【主页】 "apachecn.org" 【Github】 "@ApacheCN" 暂时下线: "社区" 暂时下线: "cwiki 知识库" 自媒体平台 "微博：@ApacheCN" "知乎：@ApacheCN" "CSDN" "简书" "OSChina" "博客园" 我们不是 Apache 的官方组
阅读全文
摘要：【主页】 "apachecn.org" 【Github】 "@ApacheCN" 暂时下线: "社区" 暂时下线: "cwiki 知识库" 自媒体平台 "微博：@ApacheCN" "知乎：@ApacheCN" "CSDN" "简书" "OSChina" "博客园" 我们不是 Apache 的官方组
阅读全文
摘要：译者： "guobaoyo" 示例:从Pytorch到Caffe2的端对端AlexNet模型 这里是一个简单的脚本程序,它将一个在 torchvision 中已经定义的预训练 AlexNet 模型导出到 ONNX 格式. 它会运行一次,然后把模型保存至 : 得到的 是一个 protobuf 二值文件
阅读全文
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 " " 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。 返回一个cublas
阅读全文
摘要：译者： "冯宝宝" 可以通过 " " 或 " " 访问 " " 的数字属性。 torch.finfo " " 是一个用来表示浮点 " " 的数字属性的对象（即 ，`torch.float64 torch.float16`）。 这类似于 "numpy.finfo" 。 " " 提供以下属性: | 名称
阅读全文
摘要：译者： "冯宝宝" 许许多多的PyTorch操作都支持 " " ")。 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度； 遍历张量维度大小时，从末尾随开
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： ，允许从梯度计算中细致地排除子图，并可以提高效率。 只要有单个输入
阅读全文