PyTorch 教程    torch.nn.Module的详细介绍
撰写于：  浏览：1276 次  分类：PyTorch 教程
torch.nn.Module 是 PyTorch 中用于构建神经网络模型的基础类。所有的神经网络模型都应该继承自 torch.nn.Module，并且在该类中定义模型的结构和前向传播的逻辑。torch.nn.Module 提供了许多有用的功能，例如参数管理、模型保存与加载、设备管理（CPU/GPU）等。主要功能参数管理:torch.nn.Modu[...]
PyTorch 教程    PyTorch的向量如何合并呢？
撰写于：  浏览：1251 次  分类：PyTorch 教程
在 PyTorch 中，你可以使用多种方法来合并向量（或张量）。以下是几种常见的方法：1. 使用 torch.cat 进行拼接torch.cat 可以沿着指定的维度拼接张量。import torch # 创建两个向量 a = torch.tensor([1, 2, 3]) b = torch.tensor([4, 5, 6]) # 沿着第0维拼[...]
PyTorch 教程    强化学习中经常出现的DummyVecEnv是什么意思呢？
撰写于：  浏览：1401 次  分类：PyTorch 教程
DummyVecEnv是一种简单的向量化环境（Vectorized Environment），它通过顺序执行而非并行执行来管理多个环境实例。尽管它不利用多进程或多线程的并行能力，但它仍然提供了与高级向量化环境（如 SubprocVecEnv）相同的接口，方便在不需要并行化时使用。1、DummyVecEnv环境的主要特点顺序执行。Dummy Vec [...]
PyTorch 教程    torch.as_tensor 的应用场景有那些呢？
撰写于：  浏览：1228 次  分类：PyTorch 教程
torch.as_tensor 是 PyTorch 中的一个函数，用于将输入数据转换为张量（Tensor）。它的主要应用场景包括：1. 从 NumPy 数组转换当你有一个 NumPy 数组并希望在 PyTorch 中使用它时，torch.as_tensor 可以将其转换为 PyTorch 张量，且通常不会复制数据，从而节省内存。import num[...]
PyTorch 教程    Stable-Baselines3 中 BaseFeaturesExtractor 是做什么用的？
撰写于：  浏览：1385 次  分类：PyTorch 教程
在 Stable-Baselines3 中，BaseFeaturesExtractor 是一个基类，用于从原始观测数据中提取特征，供强化学习模型使用。它通常用于处理高维或复杂的观测数据（如图像），将其转换为低维特征向量，便于模型处理。主要作用特征提取：将原始观测数据（如图像）转换为低维特征向量。自定义网络：允许用户定义自己的特征提取网络，适应不同的[...]
网站公告    《人人学AI》：从零开始，轻松入门人工智能！
撰写于：  浏览：1414 次  分类：网站公告
你是否对人工智能充满好奇，却不知从何入手？《人人学AI》是你的最佳选择！《人人学AI》提供：扎实基础，循序渐进： 从零开始，系统学习AI核心概念，打好坚实基础。深入浅出，通俗易懂： 用最易懂的语言，讲解最复杂的AI知识，让你轻松掌握。案例驱动，学以致用： 结合真实案例，动手实践，将理论知识转化为实际应用。适合所有人，无门槛学习： 无论你是学生、职场[...]
PyTorch 教程    stable_baselines3 是什么？它的基本用法是什么？它包含那些算法？
撰写于：  浏览：1689 次  分类：PyTorch 教程
1、Stable-Baselines3 是什么？Stable-Baselines3 是一个基于 PyTorch 的强化学习库，专注于提供高质量、易于使用的强化学习算法实现。它是 Stable-Baselines 的继任者，后者基于 TensorFlow。Stable-Baselines3 旨在简化强化学习算法的使用，同时保持高性能和灵活性。2、St[...]
考研分享    睡前数学APP的研究分享：默认神经网络与考研数学成绩的关系
撰写于：  浏览：1292 次  分类：考研分享
睡前数学APP简介睡前数学APP，是中国最专业的考研数学刷题软件。它同时也承担了科研重任，解密造成数学学习困难的大脑因素。默认模式网络介绍在2001年，脑科学家们发现，在需要集中注意力、目标导向的任务中，有一块大脑区域并没有被激活，随后这一组织的形式被命名为“默认模式网络”。“默认”指的是大脑在没有特定任务或外部刺激时自动进入的状态。就像电脑的“待[...]
PyTorch 教程    torch.chunk的应用场景有那些呢？
撰写于：  浏览：1323 次  分类：PyTorch 教程
torch.chunk 在 PyTorch 中有多种应用场景，尤其是在需要将张量分割成多个部分以便并行处理或分批次处理时。以下是一些常见的应用场景：1、数据分批次处理在深度学习中，数据通常需要分批次（batch）进行处理。如果数据已经加载到一个大张量中，可以使用 torch.chunk 将其分割成多个批次。# 假设有一个大的数据集张量 data =[...]
PyTorch 教程    PyTorch中chunk函数的用法
撰写于：  浏览：1569 次  分类：PyTorch 教程
在 PyTorch 中，chunk 是一个用于将张量分割成多个块的函数。它的用法如下所示。1、chunk函数定义1.1、函数签名torch.chunk(input, chunks, dim=0)1.2、参数说明input (Tensor): 要分割的输入张量。chunks (int): 要分割的块数。dim (int, optional): 沿着哪[...]
PyTorch 教程    Transformer VS CNN/RNN
撰写于：  浏览：1570 次  分类：PyTorch 教程
1、在CV领域，Transformer能不能完全取代CNN？在计算机视觉（CV）领域，Transformer是否能完全取代卷积神经网络（CNN）尚无定论，尽管Transformer在多个任务中表现出色，但仍面临一些挑战。Transformer的优势全局建模能力：Transformer通过自注意力机制捕捉全局信息，适合处理长距离依赖，如图像分类、目标[...]
PyTorch 教程    PyTorch view 和 reshape 的区别是什么？
撰写于：  浏览：1243 次  分类：PyTorch 教程
在 PyTorch 中，view 和 reshape 都用于改变张量的形状，但它们的行为和适用场景有所不同。1、view共享内存：view 返回的新张量与原始张量共享内存。这意味着修改其中一个张量会影响另一个。连续性要求：view 要求张量在内存中是连续的（contiguous）。如果张量不连续，需要先调用 contiguous() 方法。适用场景[...]
PyTorch 教程    PyTorch向量转置之后，为什么得到的新向量不是连续的？
撰写于：  浏览：1414 次  分类：PyTorch 教程
在 PyTorch 中，张量的存储方式是按照内存中的连续块来组织的。当我们对张量进行转置操作（如 tensor.t() 或 tensor.transpose()）时，PyTorch 并不会实际改变数据的存储顺序，而是通过修改张量的元数据（如步长 stride 和形状 shape）来实现转置的效果。这种设计是为了避免不必要的数据复制，从而提高效率。然[...]
PyTorch 教程    PyTorch的向量广播的介绍
撰写于：  浏览：1515 次  分类：PyTorch 教程
在PyTorch中，向量广播（Broadcasting）是一种在不同形状的张量之间执行逐元素操作的机制。广播机制使得PyTorch能够自动扩展较小的张量，使其与较大的张量形状兼容，从而进行逐元素操作，而无需显式复制数据。1、广播规则广播遵循以下规则：从尾部对齐：从张量的最右边维度开始，逐维度比较大小。维度大小相等或为1：如果两个张量在某个维度上的大[...]
网站公告    网站公告：2026年5月网站资源下载公告
撰写于：  浏览：55335 次  分类：网站公告
提醒：本文最近更新时间为2026年5月23日，2026年继续为大家无偿分享电子书。1、图书分享的初心平心而论，国内的技术环境很浮躁，很多书都写的很烂，我们只有大量的购书囤书，从这本书学一点儿，从那本书学一点儿，这样才能集腋成裘，才能有所成长。但是，大量的购书和囤书会造成我们很大的负担---存储负担、经济负担，相比较而言，PDF电子书就方便多了。因为[...]
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： 2648天   上线时间：2019年3月19日
京ICP备14057001号