分类 PyTorch 教程 下的文章

PyTorch中.to(device)和.cuda()有什么区别？
撰写于：  浏览：1336 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，[...]
torch.nn.DataParallel用法详解
撰写于：  浏览：1417 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[...]
numpy.where()用法详细介绍
撰写于：  浏览：978 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[...]
PyTorch全局设置当前device设备：torch.set_default.device()
撰写于：  浏览：1684 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[...]
深入理解PyTorch中的torch.clamp()函数
撰写于：  浏览：1718 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[...]
Xavier初始化(Xavier Initialization)详细介绍
撰写于：  浏览：1615 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[...]
2024年站长重磅推出：《PyTorch面试精华》
撰写于：  浏览：4599 次  分类：PyTorch 教程
提示：本文修订于2024年10月19日。1、《PyTorch面试精华》的特点简介《PyTorch面试精华》不仅仅是面试，更是对PyTorch以及AI深度学习技术的系统化、全面化的汇集和沉淀，适用人群即包括刚迈入校门的大一新生，也包括工作十年的职场老鸟；即可以让非AI专业的业余兴趣者增长见识，也可以为专业的AI面试官提供精品题库。自电子教程上线以来，[...]
torch.no_grad()函数详细介绍
撰写于：  浏览：3192 次  分类：PyTorch 教程
1、torch.no_grad()函数的作用torch.no_grad()函数是禁用梯度计算的上下文管理器。当我们确信不会调用Tensor.backward()时，禁用梯度计算很有用，因为它将减少计算的内存消耗。在这种模式下，即使输入的向量的requires_grad=True，每次计算的结果也将为requires_grad=False。但是，有种[...]
PyTorch LeakyReLU 激活函数
撰写于：  浏览：894 次  分类：PyTorch 教程
1、LeakyReLU 激活函数的作用机制 2、LeakyReLU 激活函数的图像展示 3、PyTorch LeakyReLU 激活函数torch.nn.LeakyReLU(negative_slope=0.01, inplace=False)4、PyTorch LeakyReLU 激活函数的应用场景>>> m = n[...]
PyTorch常见错误：RuntimeError: invalid argument 2: view size is not compatible with input tensor's....
撰写于：  浏览：1028 次  分类：PyTorch 教程
错误原因：我们使用view()函数的时候，稍有不慎会碰到这样的错误：RuntimeError: invalid argument 2: view size is not compatible with input tensor's....这是因为tensor经过转置后数据的内存地址不连续导致的。解决方案：在view()函数前加contiguous([...]
torch.Tensor.data_ptr方法介绍
撰写于：  浏览：1190 次  分类：PyTorch 教程
data_ptr方法是tensor向量的一个很重要的方法，它的作用是返回tensor首元素的内存地址，常用来判断两个tensor是不是共享内存，如下所示：data_t = data.t() # Transpose print(data.data_ptr() == data_t.data_ptr()) # True因为Transpose操作只是改变了[...]
PyTorch设置默认的浮点数类型 torch.set_default_dtype
撰写于：  浏览：1170 次  分类：PyTorch 教程
PyTorch中有很多浮点类型，例如，torch.float16、torch.float32、torch.float64等。当初始化tensor的时候，可以指定使用那种浮点数类型，如果我们不指定，那么PyTorch默认使用torch.float32类型。如下所示：>>> torch.tensor([1.2, 3]).dtype t[...]
PyTorch调整Tensor内存布局的Tensor.contiguous() 函数
撰写于：  浏览：1175 次  分类：PyTorch 教程
在PyTorch中，Tensor.contiguous()方法是一个重要的Tensor操作，用于确保Tensor的内存布局是连续的。这种操作通常在进行某些特定操作后可能需要，因为Tensor的物理内存布局有可能因为某些操作而变得非连续。Tensor的内存布局一个Tensor的数据在内存中可以是连续的，也可以是非连续的。连续的内存布局意味着Tenso[...]
conjugated tensor 共轭矩阵
撰写于：  浏览：955 次  分类：PyTorch 教程
1、什么是共轭矩阵？共轭矩阵是一个复数矩阵，其中它的所有元素都被它们的共轭取代，即它的所有复数的虚部的符号都被改变了。2、共轭矩阵的示例
PyTorch生成复数tensor：torch.complex函数
撰写于：  浏览：1275 次  分类：PyTorch 教程
1、torch.complex函数介绍在PyTorch中我们可以生成复数tensor，方法是：torch.complex(real, imag, *, out=None) 参数介绍：real：生成的复数中的实部。imag：生成的复数中的虚部。out：输出的tensor。提示：real实部和imag虚部必须类型，而且只能是float32或者doubl[...]
关注公众号，感悟技术与人生

飞燕网
一个踏实、严谨的网站！

专注于PyTorch、强化学习和大模型技术

    友情链接

飞燕网 - 专注于PyTorch、强化学习和大模型技术  ©  2026   运行时间： 2537天   上线时间：2019年3月19日
京ICP备14057001号