Isaac Gym: High Performance GPU-Based Physics Simulation For Robot Learning
Isaac Gym 提供了一个高性能学习平台，可直接在 GPU 上训练各种机器人任务的策略。物理模拟和神经网络策略训练都驻留在 GPU 上，并通过直接将数据从物理缓冲区传递到 PyTorch 张量进行通信，而无需经历任何 CPU 瓶颈。这使得在单个 GPU 上进行复杂机器人任务的训练时间极快，与使用基于 CPU 的模拟器和 GPU 进行神经网络的传统 RL 训练相比，速度提高了 2-3 个数量级。
A sneak peek at TorchVision v0.11 – Memoirs of a TorchVision developer – 2
过去几周，“PyTorch Land”非常忙碌，因为我们正在疯狂地准备 PyTorch v1.10 和 TorchVision v0.11 的发布。在本系列的第二部分中，我将介绍 TorchVision 发布分支中目前包含的一些即将推出的功能。免责声明：虽然即将发布的版本包含 […]
New Blog series – Memoirs of a TorchVision developer
我将开始撰写有关 PyTorch 计算机视觉库开发的新博客文章系列。我计划主要讨论 TorchVision 和 PyTorch 生态系统中即将推出的有趣功能。我的目标是重点介绍新功能和正在开发的功能，并阐明发布期间发生的事情。虽然格式可能 […]
labml.ai Deep Learning Paper Implementations
这是神经网络和相关算法的简单 PyTorch 实现的集合。这些实现都附有说明，网站将这些说明呈现为并排格式的注释。我们相信这些将有助于您理解这些算法更好。
How Graph Neural Networks (GNN) work: introduction to graph convolutions from scratch
从零开始使用图神经网络，并在 Pytorch 中实现图卷积层
JAX vs Tensorflow vs Pytorch: Building a Variational Autoencoder (VAE)
在从头开始开发和训练变分自动编码器时，对 JAX、Tensorflow 和 Pytorch 进行并排比较
How Positional Embeddings work in Self-Attention (code in Pytorch)
了解位置嵌入是如何出现的，以及我们如何使用内部自注意力来对图像等高度结构化的数据进行建模
Please allow me to introduce myself: Torch for R
今天，我们很高兴推出 torch，这是一个 R 包，可让您从 R 原生使用类似 PyTorch 的功能。无需安装 Python：torch 直接基于 libtorch 构建，libtorch 是一个 C++ 库，提供构建神经网络所必需的张量计算和自动微分功能。
Recurrent Neural Networks: building GRU cells VS LSTM cells in Pytorch
RNN 相对于 transformer 有哪些优势？何时使用 GRU 而不是 LSTM？GRU 的方程式到底是什么意思？如何在 Pytorch 中构建 GRU 单元？
Towards privacy: Encrypted deep learning with Syft and Keras
深度学习与隐私保护并非不可调和。联合学习支持设备上的分布式模型训练；加密使模型和梯度更新保持私密；差分隐私可防止训练数据泄露。如今，私密且安全的深度学习是一种新兴技术。在这篇文章中，我们介绍了 Syft，这是一个与 PyTorch 和 TensorFlow 集成的开源框架。在一个示例用例中，我们从 Keras 模型中获得私密预测。
Deep learning in medical imaging - 3D medical image segmentation with PyTorch
介绍了张量表示的基本 MRI 基础，以及应用深度学习方法处理特定任务问题（类别不平衡、数据有限）的基本组件。此外，我们还介绍了开源医学图像分割库的一些功能。最后，我们讨论了我们的初步实验结果并提供了查找医学影像数据的来源。
[Google Cloud] Setup Instructions for FastAI 2018 Deep Learning Course - Open source library
在我之前的博客文章之后，我在线观看了 Jeremy Howard 的 FastAI 深度学习讲座。这是 2018 年深度学习版课程的链接 - 它完全免费，并且通过“实践”深入概念细节，提供了对实用深度学习的深刻见解。该课程的 FastAI 库是在 Pytorch 之上构建的，并提供了一个很好的顶级 API，可在几分钟内开始创建您的深度学习模型！设置库很困难，因为它依赖于不同的软件包版本，并且由于更新构建它的软件包而导致损坏。我将列出我为启动和运行它而遵循的设置。1. 按照 Medium.com 上的指南在 Google Cloud 上设置 Google 计算单元2. 我遇到的问题是 curl
