龙哥盟

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

摘要： 译者：BXuan694 torch.utils.model_zoo.load_url(url, model_dir=None, map_location=None, progress=True) 由给定URL加载Torch序列化对象。 如果该对象已经存在于model_dir中，将被反序列化并返回。U 阅读全文

摘要： 译者：cvley torch.multiprocessing 是 Python 的 multiprocessing 的直接替代模块。它支持完全相同的操作，但进行了扩展，这样所有的张量就可以通过一个 multiprocessing.Queue 进行传递，将数据移动到共享内存并只将句柄传递到另一个进程。 阅读全文

摘要： Tesra 超算网络是由 SAIC 基金会发起的，专为人工智能产业提供底层技术及 AI 资源共享服务的分布式"超算中心"。Tesra 超算网络基于 GPU 并行计算技术，通过整合全球分散的 GPU 算力资源，在建设人工智能基础设施的同时，为全球 AI 开发者提供共享算力、分布式数据存储、AI 应用开 阅读全文