2019年03月的内容

PyTorch手册

PyTorch:张量 Tensors

PyTorch:张量 Tensors
torch 包 torch 包含了多维张量的数据结构以及基于其上的多种数学操作。另外,它也提供了多种工具,其中一些可以更有效地对张量和任意类型进行序列化。 它有CUDA 的对应实现,可以在NVIDIA GPU上进行张量运算(计算能力>...

AI君 1年前 (2019-03-28) 421℃ 0喜欢

PyTorch手册

PyTorch:序列化语义

PyTorch:序列化语义
最佳实践 保存模型的推荐方法 这主要有两种方法序列化和恢复模型。 第一种(推荐)只保存和加载模型参数: torch.save(the_model.state_dict(), PATH) 然后: the_model = TheModelCl...

AI君 1年前 (2019-03-28) 89℃ 0喜欢

PyTorch手册

PyTorch:多进程最佳实践

PyTorch:多进程最佳实践
torch.multiprocessing是Pythonmultiprocessing的替代品。它支持完全相同的操作,但扩展了它以便通过multiprocessing.Queue发送的所有张量将其数据移动到共享内存中,并且只会向其他进程发送...

AI君 1年前 (2019-03-28) 94℃ 0喜欢

PyTorch手册

PyTorch:扩展PyTorch

PyTorch:扩展PyTorch
本篇文章中包含如何扩展 torch.nn, torch.autograd和 使用我们的 C 库编写自定义的C扩展。 扩展 torch.autograd 如果你想要添加一个新的 Operation 到autograd的话,你的Operatio...

AI君 1年前 (2019-03-28) 105℃ 0喜欢

PyTorch手册

PyTorch:CUDA语义

PyTorch:CUDA语义
torch.cuda会记录当前选择的GPU,并且分配的所有CUDA张量将在上面创建。可以使用torch.cuda.device上下文管理器更改所选设备。 但是,一旦张量被分配,您可以直接对其进行操作,而不考虑所选择的设备,结果将始终放在与张...

AI君 1年前 (2019-03-28) 96℃ 0喜欢

PyTorch手册

PyTorch:自动求导机制

PyTorch:自动求导机制
本说明将概述Autograd如何工作并记录操作。了解这些并不是绝对必要的,但我们建议您熟悉它,因为它将帮助您编写更高效,更简洁的程序,并可帮助您进行调试。 从后向中排除子图 每个变量都有两个标志:requires_grad和volatile...

AI君 1年前 (2019-03-28) 71℃ 0喜欢

PyTorch手册

PyTorch中文文档

PyTorch中文文档
PyTorch是使用GPU和CPU优化的深度学习张量库。 说明 自动求导机制 CUDA语义 扩展PyTorch 多进程最佳实践 序列化语义 Package参考 torch torch.Tensor torch.Storage torc...

AI君 1年前 (2019-03-28) 238℃ 0喜欢

Django2.0手册

Django2.0手册:术语

Django2.0手册:术语
具体的模型 一个非抽象 (abstract=False) 模型。 字段 一个属性在 model 中; 一个给定的字段通常被映射到数据库表的一列上。 参见 模型。 通用视图 高阶的 view 函数针对开发中常见的习惯用法或模式,提供...

AI君 1年前 (2019-03-28) 108℃ 0喜欢

Django2.0手册

Django2.0手册:使 Django 本地化

Django2.0手册:使 Django 本地化
Django 的很多部分,比如后台站点和认证错误提示都是国际化的。这意味着它们根据使用者的语言展示不同的信息。为此,Django 使用了和 Django 应用相同的国际化和本地化基础设施,在 i18n documentation 中介绍。...

AI君 1年前 (2019-03-28) 86℃ 0喜欢