- Pytorch学习-day7: 复习与实践（pytorch入门教程(非常详细)）
-
学习内容张量基础回顾：张量的创建、属性（形状、数据类型、设备）和操作（索引、切片、变形）。张量的数学运算（加、减、乘、矩阵乘法）和自动求导（requires_grad）。张量与NumPy的互...
- 神经辐射场(NeRF)实战指南:基于PyTorch的端到端实现
-
在探索三维重建技术的过程中，从传统的多视图几何到现代深度学习方法，神经辐射场(NeRF)技术凭借其简洁而高效的特性脱颖而出。本文旨在提供一个全面的NeRF实现指南，基于PyTorch框架从基础原理到完...
- PyTorch 源码解读之 torch.autograd:梯度计算详解
-
前言本篇笔记以介绍pytorch中的autograd模块功能为主，主要涉及torch/autograd下代码，不涉及底层的C++实现。本文涉及的源码以PyTorch1.7为准。t...
- PyTorch常用代码段合集（pytorch 编程）
-
作者丨JackStark@知乎来源丨https://zhuanlan.zhihu.com/p/104019160PyTorch最好的资料是官方文档。本文是PyTorch常用代码段，在参考资料[1](...
- PyTorch入门与实战——必备基础知识(下)01
-
前言我们在上篇PyTorch入门与实战——必备基础知识（上）01中了解向量、矩阵和张量的基本概念和代码实现，并且重点介绍了张量的基本操作。但是在实际的神经网络模型中往往会使用一些高阶的张量操作，如拼接...
- PyTorch 深度学习实战(38):注意力机制全面解析
-
在上一篇文章中，我们探讨了分布式训练实战。本文将深入解析注意力机制的完整发展历程，从最初的Seq2Seq模型到革命性的Transformer架构。我们将使用PyTorch实现2个关键阶段的注意力机制变...
- PyTorch之Tensor的常见运算和操作
-
上一个小节和大家简单地探讨了我们在日常开发的时候，常见的创建Tensor的几种方式，大家应该还是有些印象的，只需要对着官方文档简单地把代码敲一遍，基本上还是有所收获的，这篇文章也比较简单但又是非常重要...
- PyTorch 深度学习实战(31):可解释性AI与特征可视化
-
在上一篇文章中，我们探讨了模型压缩与量化部署技术。本文将深入可解释性AI与特征可视化领域，揭示深度学习模型的决策机制，帮助开发者理解和解释模型的内部工作原理。一、可解释性AI基础1.核心概念特征重要...
- 轻松学Pytorch-详解Conv2D卷积处理
-
Conv2D基本原理与相关函数常见的图像卷积是二维卷积，而深度学习中Conv2D卷积是三维卷积，图示如下：Pytroch中的Conv2D是构建卷积神经网络常用的函数，支持的输入数据是四维的tensor...
- Pytorch学习-Day 3:张量高级操作（张量svd）
-
以下是PyTorch第3天学习任务的示例代码，涵盖张量形状变换（view和reshape）、广播机制以及GPU加速的实现。代码中包含详细注释，帮助理解每个部分的功能，并完成任务：将张量移动...
- 一周热门
- 控制面板
- 网站分类
- 最新留言
-