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 checkp 阅读全文
posted @ 2019-03-07 21:43
ApacheCN_飞龙
阅读(499)
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Torc 阅读全文
posted @ 2019-03-07 21:41
ApacheCN_飞龙
阅读(188)
评论(0)
推荐(0)
摘要：
译者： "hijkzzz" 包含可参数化的概率分布和采样函数. 这允许构造用于优化的随机计算图和随机梯度估计器. 这个包一般遵循 "TensorFlow Distributions" 包的设计. 通常, 不可能直接通过随机样本反向传播. 但是, 有两种主要方法可创建可以反向传播的代理函数. 即得分函 阅读全文
posted @ 2019-03-07 21:39
ApacheCN_飞龙
阅读(401)
评论(0)
推荐(0)
摘要：
译者： "univeryinli" 后端 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 | | | | | | | | | | 设备 | CPU | GPU | CPU | GPU | CP 阅读全文
posted @ 2019-03-07 21:38
ApacheCN_飞龙
阅读(266)
评论(0)
推荐(0)
摘要：
译者： "gfjiangly" 提供类和函数，实现任意标量值函数的自动微分。 它要求对已有代码的最小改变 你仅需要用 关键字为需要计算梯度的声明 。 计算被给张量关于图的叶节点的梯度和。 图使用链式法则微分。如何任何 是非标量（例如他们的数据不止一个元素）并且要求梯度，函数要额外指出 。它应是一个匹 阅读全文
posted @ 2019-03-07 21:37
ApacheCN_飞龙
阅读(236)
评论(0)
推荐(0)
摘要：
译者： "firdameng" 作者 ： "Soumith Chintala" 在这个简短的教程中，我们将讨论PyTorch的分布式软件包。 我们将看到如何设置分布式设置，使用不同的通信策略，并查看包的内部部分。 开始 PyTorch中包含的分布式软件包（即torch.distributed）使研究 阅读全文
posted @ 2019-03-07 21:31
ApacheCN_飞龙
阅读(250)
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 阅读全文
posted @ 2019-03-07 21:24
ApacheCN_飞龙
阅读(179)
评论(0)
推荐(0)
浙公网安备 33010602011771号