De-noising Diffusion with torch
目前，在生成式深度学习中，似乎没有其他方法能胜过扩散模型系列。 你想亲自尝试一下吗？ 如果是这样，我们的去噪扩散的 torch 实现提供了一个易于使用、易于配置的界面。
Deep Learning and Scientific Computing with R torch: the book
请允许我们介绍使用 R torch 进行深度学习和科学计算。 本书今天以电子书格式发布，可在线免费获取，首先介绍 torch 基础知识。 从那里开始，它转向各种深度学习用例。 最后，它展示了如何将 torch 用于更一般的主题，例如矩阵计算和傅里叶变换。
#364 – Chris Voss: FBI Hostage Negotiator
克里斯·沃斯 (Chris Voss) 曾是 FBI 人质和危机谈判员，也是《永不妥协：像你的生命依赖它一样进行谈判》一书的作者。请查看我们的赞助商来支持此播客：- Shopify：https://shopify.com/lex 获得免费试用- Indeed：https://indeed.com/lex 获得 75 美元信用额度- InsideTracker：https://insidetracker.com/lex 获得 20% 折扣剧集链接：Chris 的 Instagram：https://instagram.com/thefbinegotiatorChris 的 Twitter：htt
AO, NAO, ENSO: A wavelet analysis example
厄尔尼诺-南方涛动 (ENSO)、北大西洋涛动 (NAO) 和北极涛动 (AO) 是具有全球影响的大气现象，对人们的生活产生重大影响。ENSO 首先给南半球的发展中国家带来了洪水、干旱和随之而来的贫困。在这里，我们使用新的 torchwavelets 包来比较检查这三个系列中的模式。
Learn Pytorch: Training your first deep learning models step by step
这篇博文是关于开始学习 pytorch 的，并提供图像分类的动手教程。
Wavelet Transform - with torch
torch 没有内置进行小波分析的功能。但我们可以利用快速傅里叶变换 (FFT) 有效地实现我们所需的功能。这篇文章是对小波的首次介绍，适合以前没有接触过它的读者。同时，它提供了有用的入门代码，展示了在 torch 中执行小波分析的（可扩展）方法。它是即将由 CRC Press 出版的《使用 R torch 进行深度学习和科学计算》一书中相应章节的摘录。
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。
