您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. pytorch教程合集(含API手册 最新PPT和教程等)

  2. 最新的pytorch的API手册 方便你快速进入深度学习领域,享受pytorch动态图和简洁编程的乐趣!
  3. 所属分类:深度学习

    • 发布日期:2017-12-23
    • 文件大小:16777216
    • 提供者:crack521
  1. PyTorch 模型训练实用教程(附代码及原文下载)

  2. 自 2017 年 1 月 PyTorch 推出以来,其热度持续上升,一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点,如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此,走上学习 PyTorch 的道路已刻不容缓。 本教程以实际应用、工程开发为目的,着重介绍模型训练过程中遇到的实际问题和方法。如上图所示,在机器学习模型开发中,主要涉及三大部分,分别是数据、模型和损失函数及优化器。本文也按顺序的
  3. 所属分类:深度学习

    • 发布日期:2018-12-20
    • 文件大小:10485760
    • 提供者:huyiqun6
  1. 清华开源深度学习框架计图,开源超级玩家再进阶.md

  2. 清华大学计算机系图形实验室宣布开源一个全新的深度学习框架: Jittor,中文名计图 。 Jittor 是一个采用元算子表达神经网络计算单元、完全基于动态编译(Just-in-Time)的深度学习框架。创新的元算子和统一计算图。元算子 在保证易用性的同时,能够实现更复杂、更高效的操作 。而 统一计算图 则是 融合了静态计算图和动态计算图的诸多优点,在易于使用的同时,提供高性能的优化 。本文介绍了其特性、超越 Pytorch的性能,背后的研发团队。为便于阅读而整理为此篇.md笔记
  3. 所属分类:深度学习

    • 发布日期:2020-03-24
    • 文件大小:8192
    • 提供者:qq_27206435
  1. PyTorch学习:动态图和静态图的例子

  2. 今天小编就为大家分享一篇PyTorch学习:动态图和静态图的例子,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
  3. 所属分类:其它

    • 发布日期:2020-09-18
    • 文件大小:43008
    • 提供者:weixin_38537684
  1. Deep_Learning_with_PyTorch_Quick_Start_Guide

  2. 自 2017 年 1 月 PyTorch 推出以来,其热度持续上升,一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点,如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此,走上学习 PyTorch 的道路已刻不容缓。
  3. 所属分类:深度学习

    • 发布日期:2020-10-07
    • 文件大小:23068672
    • 提供者:qq_30121457
  1. PyTorch安装流程简介

  2. PyTorch是一个开源的Python机器学习库,基于Torch,用于自然语言处理等应用程序。PyTorch的前身是Torch,其底层和Torch框架一样,但是使用Python重新写了很多内容,不仅更加灵活,支持动态图,而且提供了Python接口。
  3. 所属分类:教育

    • 发布日期:2020-11-06
    • 文件大小:2097152
    • 提供者:weixin_51043079
  1. Pytorch转keras的有效方法,以FlowNet为例讲解

  2. Pytorch凭借动态图机制,获得了广泛的使用,大有超越tensorflow的趋势,不过在工程应用上,TF仍然占据优势。有的时候我们会遇到这种情况,需要把模型应用到工业中,运用到实际项目上,TF支持的PB文件和TF的C++接口就成为了有效的工具。今天就给大家讲解一下Pytorch转成Keras的方法,进而我们也可以获得Pb文件,因为Keras是支持tensorflow的,我将会在下一篇博客讲解获得Pb文件,并使用Pb文件的方法。 Pytorch To Keras 首先,我们必须有清楚的认识,网上
  3. 所属分类:其它

    • 发布日期:2020-12-17
    • 文件大小:94208
    • 提供者:weixin_38747906
  1. pytorch的梯度计算以及backward方法详解

  2. 基础知识 tensors: tensor在pytorch里面是一个n维数组。我们可以通过指定参数reuqires_grad=True来建立一个反向传播图,从而能够计算梯度。在pytorch中一般叫做dynamic computation graph(DCG)——即动态计算图。 import torch import numpy as np # 方式一 x = torch.randn(2,2, requires_grad=True) # 方式二 x = torch.autograd.Variab
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:96256
    • 提供者:weixin_38637272
  1. 史上最全的pytorch开发环境搭建教程【基于win10】

  2. 史上最全的pytorch开发环境搭建教程【基于win10】 0.总结 Get to the points first. The article comes from LawsonAbs! pytorch简介 安装前的基本环境 详细安装过程 1.pytorch 是什么? pytorch是一个机器学习的框架平台,与TensorFlow的作用机制相类似。虽然晚于TensorFlow出生,但是凭借其优雅的操作接口和动态图的构建思想,在使用便捷上已经远超TensorFlow,但是因为开放较晚的原因,在
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:181248
    • 提供者:weixin_38705873
  1. tensorflow2.0与tensorflow1.0的性能区别介绍

  2. 从某种意义讲,tensorflow这个项目已经失败了,要不了几年以后,江湖上再无tensorflow 因为tensorflow2.0 和tensorflow1.0 从本质上讲就是两个项目,1.0的静态图有他的优势,比如性能方面,但是debug不方便,2.0的动态图就是在模仿pytorch,但是画虎不成反类犬. 为了对比1.0 与2.0 1. pip install tensorflow==2.0.0a0 2. 为了控制变量我把mnist保存到本地的mongodb 3. 两种网络结构是一样的 i
  3. 所属分类:其它

    • 发布日期:2020-12-20
    • 文件大小:201728
    • 提供者:weixin_38656395
  1. nlp_notes:自然语言处理学习笔记:机器学习及深度学习原理和示例,基于Tensorflow和PyTorch框架,Transformer,BERT,ALBERT等最新预训练模型以及源代码详解,以及基于预训练模型进行各种自然语言处理任务。

  2. 自然语言处理学习笔记 机器学习及深度学习原理和示例,基于Tensorflow和PyTorch框架,Transformer,BERT,ALBERT等最新预训练模型以及源代码详解,以及基于预训练模型进行各种自然语言处理任务。以及模型部署 两种传统的模型: 基于规则或模板生成对话系统 基于概率的语言模型利用语料数据,实现了简略的2-gram模型,并利用该模型判断句子的合理性 根据中国城市的位置信息,实现简单的路径规划系统 根据武汉地铁的各站点的位置信息,实现简单的路径规划系统 图的广度优先搜索及深度优
  3. 所属分类:其它

    • 发布日期:2021-03-23
    • 文件大小:26214400
    • 提供者:weixin_42115003
  1. pytorch_geometric_temporal:PyTorch Geometric的时间扩展库-源码

  2. | | PyTorch几何态是时间(动态)扩展文库。 该库包含来自各种已发表研究论文的各种动态和时间几何深度学习,嵌入以及时空回归方法。此外,它还提供了易于使用的数据集加载器和迭代器,用于动态和时间图以及gpu支持。它还附带了许多带有时间和动态图的基准数据集(您也可以创建自己的数据集)。 引用 如果您发现PyTorch Geometric Temporal和新的数据集对您的研究有用,请考虑添加以下引用: misc { pytorch_geometric_temporal , au
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:1048576
    • 提供者:weixin_42130889
  1. GraphSite:深度图神经网络的蛋白质结合位点分类-源码

  2. GraphSite GraphSite是一款基于深度学习的软件,可对蛋白质上的配体结合位点进行分类。它通过Pytorch和Pytorch-geometric实现。在训练期间,将结合位点动态转换为包含空间和化学特征的图形。然后在绑定袋的图形表示上训练定制的图形神经网络(GNN)分类器。下图说明了从装订袋(A)到图形(B)的转换: 如果您在工作中使用此仓库,请引用我们的论文:) Currently under peer review 数据集 该数据集由21,125个装订袋组成,这些装袋袋分为14
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:132120576
    • 提供者:weixin_42133861
  1. xshinnosuke:由Numpy纯粹实现的深度学习框架,通过GPU加速支持动态图和静态图-源码

  2. XShinnosuke:深度学习框架 内容描述 XShinnosuke(短XS)是一个高层次的神经网络框架,两个动态图形和静态图形支撑,并具有几乎相同的API来Keras和Pytorch略有差异。它仅由Python编写,致力于快速实现实验。 这是XS的一些功能: 基于Cupy (GPU版本)/ Numpy ,原生于Python。 没有任何其他第三方深度学习库。 Keras和Pytorch风格的API ,易于启动。 支持常用层,例如: Dense,Conv2D,MaxPooling2D,LSTM
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:23068672
    • 提供者:weixin_42107165
  1. PytorchToCaffe:从Pytorch模型到Caffe模型,支持pytorch 0.3、0.3.1、0.4、0.4.1、1.0、1.0.1、1.2、1.3。请注意,只有pytorch 1.1有一些错误-源码

  2. 由于我们使用的pytorch模型基本上是动态图结构,因此动态图的问题在于,一旦前向不完整,就无法确定图结构,并且caffe是静态图框架,这将导致模型从pytorch转换为caffe到caffe。遇到很多问题,并且pytorch版本迭代非常快,因此不再建议使用此仓库。如果要将pytorch转换为caffe,建议通过此仓库使用pytorch-> onnx-> caffe 。 该代码主要来自 。感谢hahnyuan的贡献。 神经网络工具:转换器和分析器 提供用于pytorch和caffe
  3. 所属分类:其它

    • 发布日期:2021-02-20
    • 文件大小:207872
    • 提供者:weixin_42131618
  1. 陷阱:为Pytorch C ++ API(libtorch)进行绑定-源码

  2. 高奇 总览 Gotch为Pytorch C ++ API(Libtorch)创建了一个薄包装器,以利用其已优化的C ++张量API(约1400多种)和带有CUDA支持的动态图计算,并提供惯用的Go API以在Go中开发和实现深度学习。 一些功能是 全面的Pytorch张量API(〜1404) 功能齐全的Pytorch动态图计算 JIT界面运行使用PyTorch Python API训练/保存的模型 加载预训练的Pytorch模型并进行推理 Pure Go API通过CPU和GPU支持
  3. 所属分类:其它

    • 发布日期:2021-02-05
    • 文件大小:56623104
    • 提供者:weixin_42137032
  1. PyTorch学习:动态图和静态图的例子

  2. 动态图和静态图 目前神经网络框架分为静态图框架和动态图框架,PyTorch 和 TensorFlow、Caffe 等框架最大的区别就是他们拥有不同的计算图表现形式。 TensorFlow 使用静态图,这意味着我们先定义计算图,然后不断使用它,而在 PyTorch 中,每次都会重新构建一个新的计算图。通过这次课程,我们会了解静态图和动态图之间的优缺点。 对于使用者来说,两种形式的计算图有着非常大的区别,同时静态图和动态图都有他们各自的优点,比如动态图比较方便debug,使用者能够用任何他们喜欢的方
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:48128
    • 提供者:weixin_38499336
  1. [DL]PyTorch 学习总结(2)

  2. 文章目录1. 计算图1.1 动态图1.2 静态图1.3 计算图示例2. 张量的运算2.1 张量的四则运算2.2 对数,指数,幂函数运算2.3 三角函数2.4 变换函数2.5 降维函数2.6 比较函数3. 张量的索引,变换,拼接与拆分3.1 张量的索引3.2 张量的变换3.3 张量的拼接3.4 张量的拆分 1. 计算图 一个深度学习模型是由“计算图”构成的。所谓计算图是一个有向无环图(directed acyclic graph)。数据是这个图的节点(node),运算是这个图的边(edge)。如下
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:56320
    • 提供者:weixin_38706055
  1. pytorch简介

  2. 一.Pytorch是什么?   Pytorch是torch的python版本,是由Facebook开源的神经网络框架,专门针对 GPU 加速的深度神经网络(DNN)编程。Torch 是一个经典的对多维矩阵数据进行操作的张量(tensor )库,在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同,pytorch的计算图是动态的,可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua,导致在国内一直很小众,并逐渐被支持 Python 的 Tensorflow
  3. 所属分类:其它

    • 发布日期:2021-01-19
    • 文件大小:100352
    • 提供者:weixin_38656103
  1. dgcnn.pytorch:用于点云学习的动态图CNN的PyTorch实现(DGCNN)-源码

  2. DGCNN.pytorch 此仓库是用于点云学习的动态图CNN的PyTorch实现(DGCNN) ( )。我们的代码框架是从借用的。 请注意,DGCNN论文中用于分类的网络结构(图3)与该论文第4.1节中的相应描述不一致。 DGCNN的作者采用第4.1节中的分类网络设置,而不是图3。我们使用PS修复了图3中的错误,并在下面给出了修改后的图。 提示:点云实验的结果通常比2D图像面临更大的随机性。我们建议您多次运行实验并选择最佳结果。 要求 Python 3.7 PyTorch 1.2 CUD
  3. 所属分类:其它

    • 发布日期:2021-03-22
    • 文件大小:51380224
    • 提供者:weixin_42116604
« 12 »