上一页 1 ··· 829 830 831 832 833 834 835 836 837 ··· 972 下一页
摘要: 译者:BXuan694 class torch.utils.data.Dataset 表示数据集的抽象类。 所有用到的数据集都必须是其子类。这些子类都必须重写以下方法:__len__:定义了数据集的规模;__getitem__:支持0到len(self)范围内的整数索引。 class torch.u 阅读全文
posted @ 2023-03-22 15:29 绝不原创的飞龙 阅读(64) 评论(0) 推荐(0)
摘要: 译者:bat67 最新版会在译者仓库首先同步。 目前为止,我们以及看到了如何定义网络,计算损失,并更新网络的权重。 现在可能会想, 数据呢? 通常来说,当必须处理图像、文本、音频或视频数据时,可以使用python标准库将数据加载到numpy数组里。然后将这个数组转化成torch.*Tensor。 对 阅读全文
posted @ 2023-03-17 14:48 绝不原创的飞龙 阅读(40) 评论(0) 推荐(0)
摘要: | 排名 | 品牌 | 型号 | 颗粒 | 寿命 | 接口 | | | | | | | | | #1 | INTEL | P5800x/P5810x | 傲腾 | 100DWPD | U.2 | | #1 | 大普微/铠侠 | X2900P | SLC | 100DWPD | U.2 | | #3 阅读全文
posted @ 2023-03-17 11:52 绝不原创的飞龙 阅读(1902) 评论(0) 推荐(0)
摘要: 译者:Yif Du 协议:CC BY-NC-ND 4.0 欢迎任何人参与和完善:一个人可以走的很快,但是一群人却可以走的更远。 本书旨在为新人提供自然语言处理(NLP)和深度学习,以涵盖这两个领域的重要主题。这两个主题领域都呈指数级增长。对于一本介绍深度学习和强调实施的NLP的书,本书占据了重要的中 阅读全文
posted @ 2023-03-13 09:13 绝不原创的飞龙 阅读(63) 评论(0) 推荐(0)
摘要: 译者:平淡的天 作者: Adam Paszke 本教程将展示如何使用 PyTorch 在OpenAI Gym的任务集上训练一个深度Q学习 (DQN) 智能点。 任务 智能点需要决定两种动作:向左或向右来使其上的杆保持直立。你可以在 Gym website 找到一个有各种算法和可视化的官方排行榜。 当 阅读全文
posted @ 2023-03-10 18:35 绝不原创的飞龙 阅读(90) 评论(0) 推荐(0)
摘要: 译者:bat67 最新版会在译者仓库首先同步。 PyTorch中,所有神经网络的核心是autograd包。先简单介绍一下这个包,然后训练我们的第一个的神经网络。 autograd包为张量上的所有操作提供了自动求导机制。它是一个在运行时定义(define-by-run)的框架,这意味着反向传播是根据代 阅读全文
posted @ 2023-03-09 22:43 绝不原创的飞龙 阅读(66) 评论(0) 推荐(0)
摘要: 译者:lhc741 作者:Jeremy Howard,fast.ai。感谢Rachel Thomas和Francisco Ingham的帮助和支持。 我们推荐使用notebook来运行这个教程,而不是脚本,点击这里下载notebook(.ipynb)文件。 Pytorch提供了torch.nn、to 阅读全文
posted @ 2023-03-09 14:52 绝不原创的飞龙 阅读(132) 评论(0) 推荐(0)
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
posted @ 2023-03-08 16:58 绝不原创的飞龙 阅读(308) 评论(0) 推荐(0)
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
posted @ 2023-03-07 09:53 绝不原创的飞龙 阅读(114) 评论(0) 推荐(0)
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
posted @ 2023-03-04 21:41 绝不原创的飞龙 阅读(139) 评论(0) 推荐(0)
上一页 1 ··· 829 830 831 832 833 834 835 836 837 ··· 972 下一页