Discrete Fourier Transform - with torch
关于傅里叶变换，有人说它是宇宙中最伟大的奇迹之一。同时，它仅用六行代码即可实现。即使最后你只是直接调用 torch 的内置函数，它也有助于理解并能够在代码中重现魔法背后的想法。这篇文章摘自即将由 CRC Press 出版的新书《使用 R torch 进行深度学习和科学计算》。
Five ways to do least squares (with torch)
了解 torch 的 linalg 模块，同时学习从头开始进行最小二乘回归的不同方法。这篇文章是即将由 CRC Press 出版的《深度学习和科学计算与 R torch》一书中相应章节的精简版。
Audio classification with torch
学习如何使用 torch 对语音进行分类，利用领域知识和深度学习。这篇文章是即将由 CRC Press 出版的《使用 R torch 进行深度学习和科学计算》一书中相应章节的精简版。
Community spotlight: Fun with torchopt
今天，我们想提请大家注意 torch 生态系统中一个非常有用的包：torchopt。它通过提供一组基础库中没有的流行优化算法来扩展 torch。正如这篇文章将展示的那样，它也很有趣！
BYOL tutorial: self-supervised learning on CIFAR images with code in Pytorch
实现和理解 byol，一种没有负样本的自监督计算机视觉方法。了解 BYOL 如何学习用于图像分类的稳健表示。
How distributed training works in Pytorch: distributed data-parallel and mixed-precision training
了解分布式训练在 pytorch 中的工作原理：数据并行、分布式数据并行和自动混合精度。以巨大的速度训练您的深度学习模型。
Self-supervised learning tutorial: Implementing SimCLR with pytorch lightning
了解如何实现臭名昭著的对比自监督学习方法 SimCLR。在 PyTorch 和 PyTorch-lightning 中逐步实现
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。
Train in R, run on Android: Image segmentation with torch
我们使用 torch 及其高级接口 luz 在 R 中训练一个图像分割模型。然后，我们在示例输入上对模型进行 JIT 跟踪，以获得可以在没有安装 R 的情况下运行的优化表示。最后，我们展示了在 Android 上运行的模型。
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。
torch: Just-in-time compilation (JIT) for R-less model deployment
使用 torch 即时 (JIT) 编译器，可以使用另一种语言查询用 R 训练的模型，前提是该语言可以使用低级 libtorch 库。这篇文章展示了如何做到这一点。此外，我们试图理清围绕该主题的一些术语混乱。
Que haja luz: More light for torch!
今天，我们介绍 luz，它是 torch 的高级接口，可让您以简洁、声明式的风格训练神经网络。从某种意义上说，它之于 torch 就像 Keras 之于 TensorFlow：它既提供了简化的工作流程，也提供了强大的自定义方式。
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
