龙哥盟

摘要： 译者：kunwuz torch.hub.load(github, model, force_reload=False, *args, **kwargs) 从github上加载一个带有预训练权重的模型。 参数: github – 必需，一个字符串对象，格式为“repo_owner/repo_name[ 阅读全文

摘要： 译者：keyianpai 创建 Torch 脚本代码将追踪和脚本化结合起来Torch 脚本语言参考 类型表达式语句变量解析python值的使用调试内置函数 Torch脚本是一种从PyTorch代码创建可序列化和可优化模型的方法。用Torch脚本编写的代码可以从Python进程中保存，并在没有Pyth 阅读全文

摘要： LINE: Large-scale Information Network Embedding Arxiv 1503.03578 三、问题定义 我们使用一阶和二阶邻近度，正式定义了大规模信息网络嵌入问题。 我们首先定义一个信息网络如下： 定义 1（信息网络）：信息网络定义为G = (V, E)，其中 阅读全文

摘要： 译者：cangyunye 作者: Adam Paszke 修订者: Adam Dziedzic 在这个教程里，我们要完成两个任务: 创建一个无参神经网络层。 这里需要调用numpy作为实现的一部分。 创建一个权重自主优化的伸进网络层。 这里需要调用Scipy作为实现的一部分。 import torc 阅读全文

摘要： 译者：冯宝宝 本教程将向您展示如何使用ONNX将已从PyTorch导出的神经模型传输模型转换为Apple CoreML格式。这将允许您在Apple设备上轻松运行深度学习模型，在这种情况下，可以从摄像机直播演示。 什么是ONNX ONNX（开放式神经网络交换）是一种表示深度学习模型的开放格式。借助ON 阅读全文

摘要： 译者: belonHan 注意 checkpointing的实现方法是在向后传播期间重新运行已被checkpint的前向传播段。 所以会导致像RNG这类(模型)的持久化的状态比实际更超前。默认情况下，checkpoint包含了使用RNG状态的逻辑(例如通过dropout)，与non-checkpoi 阅读全文

摘要： 7.14 处理时间序列 原文：Working with Time Series 译者：飞龙 协议：CC BY-NC-SA 4.0 本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。 Pandas 是在金融建模的背景下开发的，正如你所料，它包含一组 阅读全文

摘要： 9.3 理解 Python 中的数据类型 本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。 译者：飞龙 协议：CC BY-NC-SA 4.0 数据驱动的科学和有效计算需要了解数据的存储和操作方式。本节概述了如何在 Python 语言本身中处理数 阅读全文

摘要： 9.4 NumPy 数组的基础 本节是《Python 数据科学手册》（Python Data Science Handbook）的摘录。 译者：飞龙 协议：CC BY-NC-SA 4.0 Python 中的数据操作几乎与 NumPy 数组操作同义：即使是像 Pandas 这样的新工具也是围绕 Num 阅读全文

摘要： 译者：univeryinli 后端 torch.distributed 支持三个后端，每个后端具有不同的功能。下表显示哪些功能可用于CPU/CUDA张量。仅当用于构建PyTorch的实现支持时，MPI才支持CUDA。 后端gloompinccl设备CPUGPUCPU————发送✓✘✓接收✓✘✓广播✓ 阅读全文