- torch.Tensor有两个实例方法可以用来扩展某维的数据的尺寸，分别是 repeat()和 expand()。 expand和repeat函数是pytorch中常用于进行张量数据复制和维度扩展的函数，但其工作机制差别很大，本文对这两个函数进行对比。 1. expand tensor.expand(*sizes)expand函... torch.Tensor有两个实例方法可以用来扩展某维的数据的尺寸，分别是 repeat()和 expand()。 expand和repeat函数是pytorch中常用于进行张量数据复制和维度扩展的函数，但其工作机制差别很大，本文对这两个函数进行对比。 1. expand tensor.expand(*sizes)expand函...
- PyTorch张量的创建与基本类型 0 导读 在我们不知道什么是深度学习计算框架时，我们可以把PyTorch看做是Python的第三方库，在PyTorch中定义了适用于深度学习的张量Tensor，以及张量的各类计算。就相当于NumPy中定义的Array和对应的科学计算方法，正是这些基本数据类型和对应的方法函数，为我们进一步在PyTo... PyTorch张量的创建与基本类型 0 导读 在我们不知道什么是深度学习计算框架时，我们可以把PyTorch看做是Python的第三方库，在PyTorch中定义了适用于深度学习的张量Tensor，以及张量的各类计算。就相当于NumPy中定义的Array和对应的科学计算方法，正是这些基本数据类型和对应的方法函数，为我们进一步在PyTo...
- KL散度，也叫做相对熵，计算公式如下： import torch.nn as nn import torch import torch.nn.functional as F if __name__ == '__main__': x_o=torch.Tensor([[1,2],[3,4]]) y_o=torc... KL散度，也叫做相对熵，计算公式如下： import torch.nn as nn import torch import torch.nn.functional as F if __name__ == '__main__': x_o=torch.Tensor([[1,2],[3,4]]) y_o=torc...
- 4月21日官方发布，PyTorch 用户可以使用TorchServe（PyTorch生态新的模型服务框架）来大规模部署经过训练的模型，而无需编写自定义代码。 PyTorch是最初由Facebook创... 4月21日官方发布，PyTorch 用户可以使用TorchServe（PyTorch生态新的模型服务框架）来大规模部署经过训练的模型，而无需编写自定义代码。 PyTorch是最初由Facebook创...
- 在安装是找了很多方法如，离线安装，镜像下载等等最终还是这种方法好用，输入镜像： conda config --add channels https://mirrors.tuna.tsinghua.edu... 在安装是找了很多方法如，离线安装，镜像下载等等最终还是这种方法好用，输入镜像： conda config --add channels https://mirrors.tuna.tsinghua.edu...
- 学习总结 文章目录 学习总结一、tensorflow2.0的安装二、数据集的加载三、模型的搭建四、模型训练和测试五、模型搭建的比较六、经典wide&deep模型（tf2.0版）6.0 模... 学习总结 文章目录 学习总结一、tensorflow2.0的安装二、数据集的加载三、模型的搭建四、模型训练和测试五、模型搭建的比较六、经典wide&deep模型（tf2.0版）6.0 模...
- 本文只有 tensorrt python部分涉动态分辨率设置，没有c++的。 目录 pytorch转onnx： onnx转tensorrt： python tensorrt推理： 知乎博客也可以参考： tensorrt动态输入（Dynamic shapes） - 知乎 记录此贴的原因有两个：1.肯定也有很多人需要... 本文只有 tensorrt python部分涉动态分辨率设置，没有c++的。 目录 pytorch转onnx： onnx转tensorrt： python tensorrt推理： 知乎博客也可以参考： tensorrt动态输入（Dynamic shapes） - 知乎 记录此贴的原因有两个：1.肯定也有很多人需要...
- 学习总结 TensorBoard，主要的实现方案是构建一个SummaryWriter，然后通过add_XXX()函数来实现。TensorBoard的基本逻辑：文件的读写逻辑。写入想要可视化的数据，然后T... 学习总结 TensorBoard，主要的实现方案是构建一个SummaryWriter，然后通过add_XXX()函数来实现。TensorBoard的基本逻辑：文件的读写逻辑。写入想要可视化的数据，然后T...
- 本文将在一个全新干净的 ubuntu16.04 机器上进行pytorch学习，包括环境搭建的全过程。 一、环境搭建 1.1、Miniconda 安装 wget https://repo.anacon... 本文将在一个全新干净的 ubuntu16.04 机器上进行pytorch学习，包括环境搭建的全过程。 一、环境搭建 1.1、Miniconda 安装 wget https://repo.anacon...
- 文章目录 一、深度学习框架由来二、各个深度学习框架2.1、TensorFlow(Google)2.2、Theano(蒙特利尔大学)2.3、Torch(NYU/Facebook)2.4、PyTorc... 文章目录 一、深度学习框架由来二、各个深度学习框架2.1、TensorFlow(Google)2.2、Theano(蒙特利尔大学)2.3、Torch(NYU/Facebook)2.4、PyTorc...
- 筛选数据： x = torch.linspace(1, 4*4*4*4, steps=4*4*4*4).view(4,4,4,4) print(0,x[0]) print(1,x[1]) print(2,x[2]) print(3,x[3]) print(x.size()) x = ... 筛选数据： x = torch.linspace(1, 4*4*4*4, steps=4*4*4*4).view(4,4,4,4) print(0,x[0]) print(1,x[1]) print(2,x[2]) print(3,x[3]) print(x.size()) x = ...
- from collections import OrderedDict import torch from LPRNetN.model.STN import STNet STN = STNet() state_dict1 = torch.load('weights/STNNet.pth', map_location=lambda... from collections import OrderedDict import torch from LPRNetN.model.STN import STNet STN = STNet() state_dict1 = torch.load('weights/STNNet.pth', map_location=lambda...
- 文章目录 第一部分：深度学习和机器学习一、机器学习任务二、ML和DL区别（1）数据加载（2）模型实现（3）训练过程 第二部分：Pytorch部分一、学习资源二、自动求导机制2.1 tor... 文章目录 第一部分：深度学习和机器学习一、机器学习任务二、ML和DL区别（1）数据加载（2）模型实现（3）训练过程 第二部分：Pytorch部分一、学习资源二、自动求导机制2.1 tor...
- 学习心得 （1）mini-batch：外层for为训练周期，内层for迭代mini-batch。 1）epoch：将所有的训练样本都进行了一次前向传递和反向传播，是一个epoch。 2）Batch-si... 学习心得 （1）mini-batch：外层for为训练周期，内层for迭代mini-batch。 1）epoch：将所有的训练样本都进行了一次前向传递和反向传播，是一个epoch。 2）Batch-si...
- 学习心得 （1）将数据X传入实例化MLP类后得到的net对象，会做一次前向计算，并且net(X)会调用MLP类继承自父类Module的call函数——该函数调用我们定义的子类MLP的forward函数完... 学习心得 （1）将数据X传入实例化MLP类后得到的net对象，会做一次前向计算，并且net(X)会调用MLP类继承自父类Module的call函数——该函数调用我们定义的子类MLP的forward函数完...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签