撰写于:  浏览:927 次  分类:PyTorch 教程
Quantization refers to techniques for performing computations and storing tensors at lower bitwidths than floating point precision. PyTorch supports both per tensor and per ch[...]

撰写于:  浏览:4099 次  分类:大模型电子书
1、封面介绍2、出版时间2024年5月3、内容介绍人工智能时代一种全新的技术——Agent正在崛起。这是一种能够理解自然语言并生成对应回复以及执行具体行动的人工智能体。它不仅是内容生成工具,而且是连接复杂任务的关键纽带。本书将探索Agent的奥秘,内容包括从技术框架到开发工具,从实操项目到前沿进展,通过带着读者动手做7个功能强大的Agent,全方位[...]

撰写于:  浏览:1452 次  分类:PyTorch 教程
nn.Embeddingtorch.nn.Embedding 是 PyTorch 中一个重要的模块,用于创建一个简单的查找表,它存储固定字典和大小的嵌入(embeddings)。这个模块通常用于存储单词嵌入并使用索引检索它们。接下来,我将详细解释 Embedding 模块的用途、用法、特点以及如何使用它。用途单词嵌入:在自然语言处理中,Embedd[...]

撰写于:  浏览:1280 次  分类:PyTorch 教程
torch.nn.Conv3D 说明nn.Conv3d 是 PyTorch 中实现三维卷积操作的类。输入数据参数说明:输入张量的维度应为 (N, C_in, D, H, W),其中: N: 批量大小 (batch size),即一批输入数据中包含的样本数量。 C_in: 输入通道数 (number of input channels),即输入数据的[...]

撰写于:  浏览:1438 次  分类:PyTorch 教程
1、PyTorch Lightning是什么?PyTorch Lightning是在NYU和FAIR进行博士研究时创建的。PyTorch Lightning 是面向专业人工智能研究人员和机器学习工程师的深度学习框架,他们需要最大的灵活性,同时又不牺牲大规模性能。虽然官方宣传的很厉害,但是我个人不建议大家学习这个项目,毕竟这个项目属于AI发烧友的杰作[...]

撰写于:  浏览:1437 次  分类:飞燕AI收徒
有种现象,我一直搞不明白,为什么一些看似很简单的道理,往往能产生惊人的效果?例如,每日定时定量的坚持做一件事,很快就能获得不错的成长和提升。如果再加以坚持,定能产生惊人的效果。基于这种现象,这次给大家分享一下2024年AI秋招经验,总共有两点:(1)调整心态,不要眼高手低。(2)不要贪多,当下只须做好三件事。这些道理很浅薄,算是老生常谈了,但是其效[...]

撰写于:  浏览:1188 次  分类:网站公告
我上高中的时候读过李政道老先生写的《科学与艺术》,受益匪浅,对我影响很大,特意发了一个视频《沉重悼念李政道老先生》,大家感兴趣的可以看看:https://www.bilibili.com/video/BV1fqYceGETV/如果你对科研感兴趣,这绝对是一篇值得一读的好文章。人生其实很残酷的,必须在20岁左右的得展示出你的潜力,否则这一辈子很可能则[...]

撰写于:  浏览:1139 次  分类:网站公告
最近在B站发布了一个视频,关于自己创业的小结,感兴趣的可以关注一下:https://www.bilibili.com/video/BV1JUv9eYE7j/毕竟这是在公开场合说的话,所以有些话是不能随便说的。在中国当下的情况下,要想挣到钱,很多时候要讲究技巧,但是在公开场所讲技巧,显然不合时宜,如果大家对创业或者做副业感兴趣,欢迎加入社群讨论。虽然[...]

撰写于:  浏览:1178 次  分类:PyTorch 教程
1、UninitializedParameter 简介UninitializedParameter意为:未初始化的参数。UninitializedParameter是torch.nn.Parameter的一种特殊情况,其中数据的形状是未知的。与torch.nn.Parameter不同,UninitializedParameter不包含任何数据,尝试[...]

撰写于:  浏览:1304 次  分类:飞燕AI收徒
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:1206 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:1091 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:1429 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:1452 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:1549 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[...]

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