Picassooo

摘要： 把数据从CPU迁移到GPU时，可以用.cuda()方法，也可以用.to(device)方法。示例如下。 .cuda()方法 import torch import time t = time.time() b = torch.rand([1024, 1024, 10]) b = b.cuda() p 阅读全文

摘要： 参考一 浅谈 PyTorch 中的 tensor 及使用 该博文分为以下6个部分： tensor.requires_grad torch.no_grad() 反向传播及网络的更新 tensor.detach() CPU and GPU tensor.item() torch.detach()和tor 阅读全文

摘要： 一个关于显卡利用率的问题 阅读全文

摘要： 解决Python print end 一行输出不显示的问题 阅读全文

摘要： 模型和数据可以在CPU和GPU上来回迁移，怎么判断模型和数据在哪里呢？ import torch import torch.nn as nn # 判断模型是在CPU还是GPU上 model = nn.LSTM(input_size=10, hidden_size=4, num_layers=1, b 阅读全文

摘要： 标准正态分布的概率密度公式 正态分布概率密度公式 多元正态分布的概率密度公式 上式为 x 服从 k 元正态分布，x 为 k 维向量；|Σ| 代表协方差矩阵的行列式。 二维正态分布概率密度函数为钟形曲面，等高线是椭圆线族，并且二维正态分布的两个边缘分布都是一维正态分布，如图 numpy生成一个服从多元 阅读全文

摘要： WAE-GAN和WAE-MMD的PyTorch实现 阅读全文

摘要： unpooling (摘自https://www.bilibili.com/video/av15889450/?p=33，第30分钟) unpooling有很多种方法，其中一种如下图： Deconvolution (摘自https://www.bilibili.com/video/av1588945 阅读全文

摘要： 李宏毅课程 classification 1，视频的19:47处开始有讲为什么叫生成模型，生成模型一般都需要先假设训练数据服从某种概率分布。 李宏毅课程 logistic regression， 视频的42:07处有讲判别模型和生成模型的区别，另外，视频的31:24处也有到，可参考视频前面的内容加以 阅读全文

摘要： 参考一：python的执行过程总结 参考二：说说Python程序的执行过程 Java首先是通过编译器编译成字节码文件，然后在运行时通过解释器给解释成机器文件。所以我们说Java是一种先编译后解释的语言。其实Python和Java一样，也是一门基于虚拟机的语言，当我们在命令行中输入python hel 阅读全文