撰写于:  浏览:478 次  分类:PyTorch 教程
PyTorch是一个由Facebook的人工智能研究团队开发的开源深度学习框架,发布于2016年。如今PyTorch已经成为全球最流行的深度学习框架,建议大家以PyTorch为主,谨慎选择TensorFlow或者Paddle(百度飞桨)。1、PyTorch最新版本是多少?当前PyTorch的最新版本是:PyTorch 2.2.2。安装PyTorch[...]

撰写于:  浏览:23801 次  分类:数学电子书
1、封面介绍2、出版时间2021年1月3、推荐理由人工智能深度学习领域经典教程,AI程序员的数学参考书,透彻理解机器学习算法,从数学层面搞懂核心算法原理的逻辑,python程序讲解,众多专家学者力荐本书的目标是帮助读者全面、系统地学习机器学习所必须的数学知识。全书由8章组成,力求精准、最小地覆盖机器学习的数学知识。包括微积分,线性代数与矩阵论,**[...]

撰写于:  浏览:27 次  分类:飞燕AI训练营
提示:本文内容面向【飞燕AI训练营】学员,其属于第3学习节点,需要结合第1节点(AI数学基础)和第2节点(PyTorch基础)进行学习。计算机视觉领域已经发展的很成熟了,而且入门很简单,建议所有立志于搞AI的人,都应该从计算机视觉出发。计算机视觉说白了就是学习图片和标签两者之间的关系,我们喂给模型一堆图片以及它们对应的标签,经过反复的纠错,模型就能[...]

撰写于:  浏览:42 次  分类:默认分类
在国际会议上发表论文过程中,我们经常会看到Submission of camera-ready papers这样的话,其含义是提交最终可以交付印刷的论文。 camera-ready本意是“经照相机拍照后才可以直接用于印刷和出版”。在没有出现电子照排系统和互联网以前,人们发表的论文都是使用打字机打印出来的,投稿的时候,通过邮局寄送纸质文稿。因此,在排[...]

撰写于:  浏览:55 次  分类:PyTorch 教程
在PyTorch中,每个Tensor都有三大属性:torch.dtype、torch.device、torch.layout1、torch.dtype 属性https://pytorch.org/docs/stable/tensor_attributes.html#torch.dtype2、torch.device 属性https://pytorc[...]

撰写于:  浏览:61 次  分类:PyTorch 教程
1、PyTorch自动微分的入门例子首先,我们先看一下PyTorch官网的入门例子,代码如下所示:import torch x = torch.ones(5) # input tensor y = torch.zeros(3) # expected output w = torch.randn(5, 3, requires_grad=True[...]

撰写于:  浏览:70 次  分类:PyTorch 教程
准备工作在PyTorch中,即使是有GPU的机器,它也不会自动使用GPU,而是需要在程序中显示指定。在设置GPU调用之前,我们首先需要确认当前设备的显卡是否支持cuda编程,否则所有基于cuda的操作都会报错。我们可以通过torch.cuda.is_available()来进行确认,并通过torch.cuda.get_device_name()查看[...]

撰写于:  浏览:58 次  分类:PyTorch 教程
1 .cuda()方法简介在PyTorch中,即使是有GPU的机器,它也不会自动使用GPU,而是需要在程序中显示指定。当我们调用model.cuda(),PyTorch可以将模型加载到GPU上去,但是这种方法不被提倡,而建议使用model.to(device)的方式,这样可以显示指定需要使用的计算资源,特别是有多个GPU的情况下。如果两个数据相加,[...]

撰写于:  浏览:56 次  分类:PyTorch 教程
在深度学习的实践中,由于数据集非常大,模型训练需要很长时间,为了解决这个问题,我们可以利用多个GPU并行计算来加速训练过程。torch.nn.DataParallel() 是PyTorch提供的一个非常方便的工具,它可以让我们在多个GPU上并行训练模型。1、DataParallel的原理首先在指定的每张显卡上拷贝一份模型,然后将输入的数据分散到各张[...]

撰写于:  浏览:173 次  分类:飞燕AI训练营
大家好,我是飞燕,我有多年的AI从业经验,从CV到NLP,最后到RL。目前我的重心是RL(强化学习),因为我感觉其他的领域发展已经很成熟了,令我感兴趣的地方不多了,而强化学习是一个利用数学知识做决策的领域,数学和决策是我很感兴趣的两大方向。1、我的数学图书对于数学知识的积累,我持续了很多年。我记得,我的第一次网络购物是在京东商城里买了一本《什么是数[...]

撰写于:  浏览:59 次  分类:PyTorch 教程
通常numpy.where()有两种用法:np.where(condition, x, y) 以及 np.where(condition),本文详细给大家介绍一下。1、np.where(condition, x, y)当where内有三个参数时,第一个参数表示条件,当条件成立时where方法返回x,当条件不成立时where返回y>>&g[...]

撰写于:  浏览:85 次  分类:强化学习
Pop与Art分别表示Preserving Outputs Percisely以及Adaptive Rescaling Target, 即在保障已历经样本输出不变的前提下自适应缩放target值的算法。这个算法来自文献:《Multi-task Deep Reinforcement Learning with popart》。PopArt这个算法本来[...]

撰写于:  浏览:97 次  分类:PyTorch 教程
一般来说我们最常见到的用法是这样的:device = torch.device("cuda" if torch.cuda.is_available() else "cpu")等同于:if torch.cuda.is_available(): device = torch.device("cu[...]

撰写于:  浏览:84 次  分类:PyTorch 教程
在PyTorch中,torch.clamp()函数用于将张量中的元素限制在指定的最小值和最大值之间。这个函数对于防止梯度爆炸、梯度消失或处理异常值非常有用。下面我们将深入探讨这个函数的工作原理、参数、应用场景以及与其它相关函数的比较。1、clamp函数的工作原理torch.clamp()函数通过比较每个元素与最小值和最大值,将所有小于最小值的元素设[...]

撰写于:  浏览:99 次  分类:PyTorch 教程
1、网络权重初始化存在的问题早期的参数初始化方法普遍随机初始化。最常用的随机初始化方法是从均值为0、方差为1的高斯分布中随机采样得到权重。需要注意的是,随机初始化所使用的值的范围可能会对网络性能产生重大影响。如果权重以过大或过小的值初始化,可能会导致训练过程收敛缓慢甚至导致网络发散。2、Xavier Initialization诞生背景Xavier[...]

撰写于:  浏览:103 次  分类:飞燕AI训练营
1、公开课简介飞燕AI公开课面向人群是:AI专业的学生或者初学者,主要分为四大主题:(1)如何入门AI?(2)如何发表AI论文?(3)如何提升项目实战经验?(4)如何找实习?另外,还有一个额外话题,关于AI外包的话题。飞燕组建了【AI外包联盟】,欢迎感兴趣的人加入。对于一个AI学生来说,适当点的接点私活,既可以把知识应用落地,又能挣点外快,还是不错[...]

撰写于:  浏览:212 次  分类:PyTorch 教程
提示:《PyTorch核心与精华》发布于2021年,后于今年进行修订,改为面试版,敬请注意!1、当前大家存在的问题现在很多AI专业的学生学的太浅,基础很差,难以达到企业用人的标准。举个简单的例子来说,梯度下降法这是个非常基础的知识点,虽然很多人都会,但是当面试官稍微延伸一下:请你说一下梯度上升法是怎么回事?面对这个问题,很多人往往抓耳挠腮则不知道怎[...]

飞燕网专注于AI实习
合作伙伴有100+企业

    友情链接