随笔分类 - ApacheCN
摘要：译者： "solerji" PyTorch C++ 前端 是PyTorch机器学习框架的一个纯C++接口。PyTorch的主接口是Python，Python API位于一个基础的C++代码库之上，提供了基本的数据结构和功能，例如张量和自动求导。C++前端暴露了一个纯的C++11的API，在C++底层
阅读全文
摘要：译者： "冯宝宝" 本教程将向您展示如何使用ONNX将已从PyTorch导出的神经模型传输模型转换为Apple CoreML格式。这将允许您在Apple设备上轻松运行深度学习模型，在这种情况下，可以从摄像机直播演示。 什么是ONNX ONNX（开放式神经网络交换）是一种表示深度学习模型的开放格式。借
阅读全文
摘要：译者： "cangyunye" 作者 : "Adam Paszke" 修订者 : "Adam Dziedzic" 在这个教程里，我们要完成两个任务: 1. 创建一个无参神经网络层。 这里需要调用 numpy 作为实现的一部分。 2. 创建一个权重自主优化的伸进网络层。 这里需要调用 Scipy 作为
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。 py [KEY: input, = target, il est en train de peindre un tableau . = he is painting
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
阅读全文
摘要：译者： "YAOKE7" Torch张量库介绍 深度学习的所有计算都是在张量上进行的,其中张量是一个可以被超过二维索引的矩阵的一般表示形式。稍后我们将详细讨论这意味着什么。首先，我们先来看一下我们可以用张量来干什么。 创建张量 张量可以在Python list形式下通过torch.Tensor()函
阅读全文
摘要：译者： "hhxx2015" 作者 : "Sean Robertson" 在上一个 "例子" 中我们使用RNN网络对名字所属的语言进行分类。 这一次我们会反过来根据语言生成姓氏。 我们仍使用几层linear层简单实现的RNN。 最大的区别在于，不是在读取一个姓氏的所有字母后预测类别，而是输入一个类别
阅读全文
摘要：译者： "毛毛虫" 作者 : "Matthew Inkawhich" 在本教程中，我们探索了一个好玩和有趣的循环序列到序列的模型用例。我们将用 "Cornell Movie Dialogs Corpus" 处的电影剧本来训练一个简单的聊天机器人。 在人工智能研究领域中对话模型模型是一个非常热门的话题
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
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
阅读全文
摘要：译者： "bdqfork" 作者 : "Alexis Jacq" 简介 本教程主要讲解如何实现由Leon A. Gatys，Alexander S. Ecker和Matthias Bethge提出的 "Neural Style 算法" 。Neural Style或者叫Neural Transfer，
阅读全文
摘要：译者： "冯宝宝" 作者 : "Ghassen HAMROUNI" 在本教程中，您将学习如何使用称为空间变换器网络的视觉注意机制来扩充您的网络。你可以在 "DeepMind paper" 阅读有关空间变换器网络的更多内容。 空间变换器网络是对任何空间变换的差异化关注的概括。空间变换器网络（简称STN
阅读全文
摘要：译者： "cangyunye" 作者: "Matthew Inkawhich" 本教程将介绍如何是 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
阅读全文
摘要：译者： "片刻" 作者 : "Sasank Chilamkurthy" 在本教程中，您将学习如何使用迁移学习来训练您的网络。您可以在 "cs231n 笔记" 上阅读更多关于迁移学习的信息 引用这些笔记： 在实践中，很少有人从头开始训练整个卷积网络（随机初始化），因为拥有足够大小的数据集是相对罕见的。
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： "talengu" PyTorch的主要接口为Python。虽然Python有动态编程和易于迭代的优势，但在很多情况下，正是Python的这些属性会带来不利。我们经常遇到的生产环境，要满足低延迟和严格部署要求。对于生产场景而言，C++通常是首选语言，也能很方便的将其绑定到另一种语言，如Jav
阅读全文
摘要：译者： "hhxx2015" 作者 : "Sean Robertson" 我们将构建和训练字符级RNN来对单词进行分类。 字符级RNN将单词作为一系列字符读取，在每一步输出预测和“隐藏状态”，将其先前的隐藏状态输入至下一时刻。 我们将最终时刻输出作为预测结果，即表示该词属于哪个类。 具体来说，我们将
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
阅读全文
摘要：译者： "bat67" 最新版会在 "译者仓库" 首先同步。 作者 ： "Justin Johnson" 这个教程通过自洽的示例介绍了PyTorch的基本概念。 PyTorch主要是提供了两个核心的功能特性： 一个类似于numpy的n维张量，但是可以在GPU上运行 搭建和训练神经网络时的自动微分/求
阅读全文
摘要：译者： "yportne13" 作者 ： "Sasank Chilamkurthy" 在解决机器学习问题的时候，人们花了大量精力准备数据。pytorch提供了许多工具来让载入数据更简单并尽量让你的代码的可读性更高。在这篇教程中，我们将学习如何加载和预处理/增强一个有价值的数据集。 在运行这个教程前请
阅读全文