罗西的思考 - 博客园

2021年10月

摘要：前文我们提到了 autograd 引擎的静态架构，本文开始我们从动态角度看看引擎是如何运作的。阅读全文

posted @ 2021-10-29 16:48 罗西的思考阅读(2009) 评论(1) 推荐(2)

摘要：前文最终我们提到了如下代码就是调用引擎来进行反向传播，本文我们首先从静态角度来看引擎，就是看看其数据结构和静态性质。阅读全文

posted @ 2021-10-27 20:02 罗西的思考阅读(2293) 评论(0) 推荐(1)

摘要：本系列将通过大概十篇左右文章来分析 PyTorch 的自动微分功能如何实现。本文是后向传播的第一篇，介绍调用流程：如何从 Python 代码进入到 C++ autograd 引擎。阅读全文

posted @ 2021-10-25 19:29 罗西的思考阅读(3683) 评论(0) 推荐(1)

摘要：本系列将通过大概十篇左右文章来分析 PyTorch 的自动微分功能如何实现。本文是前向传播的第三篇，介绍具体实现机制。阅读全文

posted @ 2021-10-23 09:57 罗西的思考阅读(4069) 评论(1) 推荐(2)

摘要：本系列将通过大概十篇左右文章来分析 PyTorch 的自动微分功能如何实现。本文是前向传播的第二篇，介绍自动微分（梯度计算）所涉及的部分 PyTorch 基础类。因为字数太多（1万两千字），所以拆分成上下两篇。阅读全文

posted @ 2021-10-20 07:12 罗西的思考阅读(2671) 评论(0) 推荐(1)

摘要：本系列将通过大概十篇左右文章来分析 PyTorch 的自动微分功能如何实现。本文是前向传播的第一篇，介绍自动微分（梯度计算）所涉及的部分 PyTorch 基础类。因为字数太多（1万两千字），所以拆分成上下两篇。阅读全文

posted @ 2021-10-18 17:30 罗西的思考阅读(6087) 评论(0) 推荐(1)

摘要：本文从 PyTorch 两篇官方文档开始为大家解读两个示例。本文不会逐句翻译，而是选取重点并且试图加入自己的理解。阅读全文

posted @ 2021-10-16 10:01 罗西的思考阅读(2503) 评论(0) 推荐(2)

摘要：本文和上文以 [Automatic Differentiation in Machine Learning: a Survey](https://arxiv.org/pdf/1502.05767.pdf )为基础，逐步分析自动微分这个机器学习的基础利器。阅读全文

posted @ 2021-10-14 17:21 罗西的思考阅读(6362) 评论(0) 推荐(5)

摘要：本文和下文以 Automatic Differentiation in Machine Learning: a Survey 这篇论文为基础，逐步分析自动微分这个机器学习的基础利器。阅读全文

posted @ 2021-10-12 17:25 罗西的思考阅读(7891) 评论(3) 推荐(7)

摘要：前几篇文章我们介绍了 PyTorch 流水线并行的基本知识，自动平衡机制和切分数据，本文我们结合论文内容来看看如何实现并行。阅读全文

posted @ 2021-10-10 08:18 罗西的思考阅读(3711) 评论(2) 推荐(0)