What PyTorch Really Means by a Leaf Tensor and Its Grad
叶子,梯度和强大的秘密生活需要post the post pytorch pytorch的真正含义,叶子的毕业生及其毕业生首先出现在数据科学方面。
Grad-CAM from Scratch with PyTorch Hooks
动手观察可解释的AI(XAI)技术,该技术有助于揭示为什么卷积神经网络(CNN)做出了一个特定的决定,该决定首先是朝向数据科学的Pytorch挂钩后的Grad-CAM。
Use PyTorch to Easily Access Your GPU
或…ML库如何加速非ML计算该帖子使用Pytorch轻松访问您的GPU首先出现在数据科学上。
Building an Automatic Speech Recognition System with PyTorch & Hugging Face
请查看此分步指南,以使用Pytorch&Hugging Face构建语音到文本系统。
Benchmarking Amazon Nova and GPT-4o models with FloTorch
Flotorch最近进行的评估将亚马逊Nova车型的性能与OpenAI的GPT-4O进行了比较。在这篇文章中,我们更详细地讨论了此基准测试的发现。
Diffusion Model from Scratch in Pytorch
去噪扩散概率模型 (DDPM) 的实现 MNIST 上的 DDPM 示例 — 作者提供的图片简介一般来说,扩散模型是一种生成式深度学习模型,它从学习到的去噪过程中创建数据。扩散模型有很多种,最流行的通常是文本条件模型,它可以根据提示生成特定的图像。一些扩散模型 (Control-Net) 甚至可以将图像与某些艺术风格融合在一起。下面是一个例子:作者使用经过微调的 MonsterLabs 的 QR Monster V2 提供的图片如果您不知道这幅图像有什么特别之处,请尝试远离屏幕或眯起眼睛来查看图像中隐藏的秘密。扩散模型有许多不同的应用和类型,但在本教程中,我们将构建基础的无条件扩散模型 DDP
Accelerated PyTorch inference with torch.compile on AWS Graviton processors
最初,PyTorch 使用了一种 Eager 模式,即构成模型的每个 PyTorch 操作在达到该模式后都会独立运行。PyTorch 2.0 引入了 torch.compile 来加速 PyTorch 代码,而不是默认的 Eager 模式。与 Eager 模式相比,torch.compile 以最适合的方式将整个模型预编译为单个图形 [...]
从头开始实现语言模型可以说是准确了解其引擎工作原理的最佳方式。在这里,我们使用 torch 来编码 GPT-2,这是原始 GPT 的直接后继者。最后,您将处理一个 R 原生模型,该模型可以直接使用 Hugging Face 的预训练 GPT-2 模型权重。
torch v0.11.0 现已在 CRAN 上发布。此版本大大增强了对执行 JIT 操作的支持。我们还修改了模型参数的加载,并增加了一些生活质量改进,例如支持临时修改默认 torch 设备、支持将数据类型指定为字符串等等。
torch v0.10.0 现已在 CRAN 上发布。此版本将底层 LibTorch 升级到 1.13.1,并增加了对自动混合精度的支持。作为一项实验性功能,我们现在还支持预构建的二进制文件,因此您可以安装 torch,而无需处理 CUDA 安装。
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。
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。