摘要：
译者： "guobaoyo" 示例:从Pytorch到Caffe2的端对端AlexNet模型 这里是一个简单的脚本程序,它将一个在 torchvision 中已经定义的预训练 AlexNet 模型导出到 ONNX 格式. 它会运行一次,然后把模型保存至 : 得到的 是一个 protobuf 二值文件 阅读全文
posted @ 2019-02-03 16:38
ApacheCN_飞龙
阅读(1409)
评论(0)
推荐(0)
摘要：
译者： "bdqfork" 这个包添加了对CUDA张量类型的支持，它实现了与CPU张量同样的功能，但是它使用GPU进计算。 它是懒加载的，所以你可以随时导入它，并使用 " " 来决定是否让你的系统支持CUDA。 "CUDA semantics" 有关于使用CUDA更详细的信息。 返回一个cublas 阅读全文
posted @ 2019-02-03 16:30
ApacheCN_飞龙
阅读(1131)
评论(0)
推荐(0)
摘要：
译者： "冯宝宝" 可以通过 " " 或 " " 访问 " " 的数字属性。 torch.finfo " " 是一个用来表示浮点 " " 的数字属性的对象（即 ，`torch.float64 torch.float16`）。 这类似于 "numpy.finfo" 。 " " 提供以下属性: | 名称 阅读全文
posted @ 2019-02-03 16:29
ApacheCN_飞龙
阅读(869)
评论(0)
推荐(0)
摘要：
译者： "冯宝宝" 许许多多的PyTorch操作都支持 " " ")。 简而言之，如果PyTorch操作支持广播，那么它的Tensor参数可以自动扩展为相同的类型大小（不需要复制数据）。 一般语义 如果遵守以下规则，则两个张量是“可广播的”： 每个张量至少有一个维度； 遍历张量维度大小时，从末尾随开 阅读全文
posted @ 2019-02-03 16:28
ApacheCN_飞龙
阅读(891)
评论(0)
推荐(0)
摘要：
译者： "冯宝宝" 本说明将概述autograd（自动求导）如何工作并记录每一步操作。了解这些并不是绝对必要的，但我们建议您熟悉它，因为它将帮助你编写更高效，更清晰的程序，并可以帮助您进行调试。 反向排除子图 每个张量都有一个标志： ，允许从梯度计算中细致地排除子图，并可以提高效率。 只要有单个输入 阅读全文
posted @ 2019-02-03 16:27
ApacheCN_飞龙
阅读(962)
评论(0)
推荐(0)
摘要：
译者： "solerji" PyTorch C++ 前端 是PyTorch机器学习框架的一个纯C++接口。PyTorch的主接口是Python，Python API位于一个基础的C++代码库之上，提供了基本的数据结构和功能，例如张量和自动求导。C++前端暴露了一个纯的C++11的API，在C++底层 阅读全文
posted @ 2019-02-03 15:35
ApacheCN_飞龙
阅读(1625)
评论(0)
推荐(0)
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 阅读全文
posted @ 2019-02-03 15:33
ApacheCN_飞龙
阅读(1083)
评论(0)
推荐(0)
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: 1. 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。 2. 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 阅读全文
posted @ 2019-02-03 15:32
ApacheCN_飞龙
阅读(909)
评论(0)
推荐(0)
摘要：
译者： "mengfu188" 作者 : "Sean Robertson" 在这个项目中，我们将教一个把把法语翻译成英语的神经网络。 py [KEY: input, = target, il est en train de peindre un tableau . = he is painting 阅读全文
posted @ 2019-02-03 15:31
ApacheCN_飞龙
阅读(1061)
评论(0)
推荐(0)
摘要：
译者： "bdqfork" 作者 : "Robert Guthrie" 深度学习构建模块：仿射映射, 非线性函数以及目标函数 深度学习表现为使用更高级的方法将线性函数和非线性函数进行组合。非线性函数的引入使得训练出来的模型更加强大。在本节中，我们将学习这些核心组件，建立目标函数，并理解模型是如何构建 阅读全文
posted @ 2019-02-03 15:28
ApacheCN_飞龙
阅读(976)
评论(0)
推荐(0)
摘要：
译者： "YAOKE7" Torch张量库介绍 深度学习的所有计算都是在张量上进行的,其中张量是一个可以被超过二维索引的矩阵的一般表示形式。稍后我们将详细讨论这意味着什么。首先，我们先来看一下我们可以用张量来干什么。 创建张量 张量可以在Python list形式下通过torch.Tensor()函 阅读全文
posted @ 2019-02-03 15:27
ApacheCN_飞龙
阅读(1191)
评论(0)
推荐(0)
摘要：
译者： "毛毛虫" 作者 : "Matthew Inkawhich" 在本教程中，我们探索了一个好玩和有趣的循环序列到序列的模型用例。我们将用 "Cornell Movie Dialogs Corpus" 处的电影剧本来训练一个简单的聊天机器人。 在人工智能研究领域中对话模型模型是一个非常热门的话题 阅读全文
posted @ 2019-02-03 15:24
ApacheCN_飞龙
阅读(841)
评论(0)
推荐(0)
摘要：
译者： "冯宝宝" 在本教程中，我们将介绍如何使用ONNX将PyTorch中定义的模型转换为ONNX格式，然后将其加载到Caffe2中。一旦进入Caffe2，我们就可以运行模型来仔细检查它是否正确导出，然后我们展示了如何使用Caffe2功能（如移动导出器）在移动设备上执行模型。 在本教程中，你需要安 阅读全文
posted @ 2019-02-03 15:23
ApacheCN_飞龙
阅读(1764)
评论(0)
推荐(0)
摘要：
译者： "cangyunye" 作者: "Nathan Inkawhich" 如果你正在阅读这篇文章，希望你能理解一些机器学习模型是多么有效。现在的研究正在不断推动ML模型变得更快、更准确和更高效。然而，在设计和训练模型中经常会忽视的是安全性和健壮性方面，特别是在面对欺骗模型的对手时。 本教程将提高 阅读全文
posted @ 2019-02-03 15:21
ApacheCN_飞龙
阅读(829)
评论(0)
推荐(0)
摘要：
译者： "bdqfork" 作者 : "Alexis Jacq" 简介 本教程主要讲解如何实现由Leon A. Gatys，Alexander S. Ecker和Matthias Bethge提出的 "Neural Style 算法" 。Neural Style或者叫Neural Transfer， 阅读全文
posted @ 2019-02-03 15:20
ApacheCN_飞龙
阅读(918)
评论(0)
推荐(0)
摘要：
译者： "冯宝宝" 作者 : "Ghassen HAMROUNI" 在本教程中，您将学习如何使用称为空间变换器网络的视觉注意机制来扩充您的网络。你可以在 "DeepMind paper" 阅读有关空间变换器网络的更多内容。 空间变换器网络是对任何空间变换的差异化关注的概括。空间变换器网络（简称STN 阅读全文
posted @ 2019-02-03 15:18
ApacheCN_飞龙
阅读(836)
评论(0)
推荐(0)
摘要：
译者： "cangyunye" 作者: "Matthew Inkawhich" 本教程将介绍如何是 模型转换为PyTorch可用的前端混合Torch脚本。 我们要转换的模型是来自于聊天机器人教程 "Chatbot tutorial" . 你可以把这个教程当做Chatbot tutorial的第二篇章 阅读全文
posted @ 2019-02-03 15:16
ApacheCN_飞龙
阅读(986)
评论(0)
推荐(0)
摘要：
译者： "片刻" 作者 : "Sasank Chilamkurthy" 在本教程中，您将学习如何使用迁移学习来训练您的网络。您可以在 "cs231n 笔记" 上阅读更多关于迁移学习的信息 引用这些笔记： 在实践中，很少有人从头开始训练整个卷积网络（随机初始化），因为拥有足够大小的数据集是相对罕见的。 阅读全文
posted @ 2019-02-03 15:12
ApacheCN_飞龙
阅读(869)
评论(0)
推荐(0)
浙公网安备 33010602011771号