- 目录 repeat函数 expand函数： expand expand_as函数： repeat函数 import torcha = torch.tensor([[1, 2, 3],[1, 2, 3]])print(a) b = torch.tensor([[2, 2, 2], [3, 3, 3], [3, 3, 3]... 目录 repeat函数 expand函数： expand expand_as函数： repeat函数 import torcha = torch.tensor([[1, 2, 3],[1, 2, 3]])print(a) b = torch.tensor([[2, 2, 2], [3, 3, 3], [3, 3, 3]...
- pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要... pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要...
- 学习资料： pytorch-doc-zh/nlp_sequence_models_tutorial.md at master · apachecn/pytorch-doc-zh · GitHub if __name__ == '__main__': import torch import torch.nn as nn... 学习资料： pytorch-doc-zh/nlp_sequence_models_tutorial.md at master · apachecn/pytorch-doc-zh · GitHub if __name__ == '__main__': import torch import torch.nn as nn...
- pytorch 多次backward 影响pytorch梯度的参数： 1.requires_grad 需要为True for param in model.named_parameters(): if param[0] in need_frozen_list: param[1].requires_grad ... pytorch 多次backward 影响pytorch梯度的参数： 1.requires_grad 需要为True for param in model.named_parameters(): if param[0] in need_frozen_list: param[1].requires_grad ...
- PyTorch Tensor 的形状 标量 (Scalar)向量 (Vector)矩阵 (Matrix)图片展示 标量 (Scalar) 标量 (Scalar) 由一个值组成. (0维) ... PyTorch Tensor 的形状 标量 (Scalar)向量 (Vector)矩阵 (Matrix)图片展示 标量 (Scalar) 标量 (Scalar) 由一个值组成. (0维) ...
- PyTorch 一小时学会基本操作 创建数据torch.empty()torch.zeros()torch.ones()torch.tensor()torch.rand() 数学运算torch... PyTorch 一小时学会基本操作 创建数据torch.empty()torch.zeros()torch.ones()torch.tensor()torch.rand() 数学运算torch...
- Pytorch gpu加速方法 原文： https://www.zhihu.com/question/274635237 relu 用 inplace=True用 eval() 和 with torch.no_grad():每个 batch 后认真的把所有参数从 GPU 拿出来后删除虽然... Pytorch gpu加速方法 原文： https://www.zhihu.com/question/274635237 relu 用 inplace=True用 eval() 和 with torch.no_grad():每个 batch 后认真的把所有参数从 GPU 拿出来后删除虽然...
- torch.matmul()没有强制规定维度和大小，可以用利用广播机制进行不同维度的相乘操作 torch.mm(a, b)是矩阵a和b矩阵相乘，比如a的维度是(m, x)，b的维度是(x, n)，返回的就是(m, n)的矩阵 相同：都可以来做矩阵相乘： a = torch.randn(2, 3) b = torc... torch.matmul()没有强制规定维度和大小，可以用利用广播机制进行不同维度的相乘操作 torch.mm(a, b)是矩阵a和b矩阵相乘，比如a的维度是(m, x)，b的维度是(x, n)，返回的就是(m, n)的矩阵 相同：都可以来做矩阵相乘： a = torch.randn(2, 3) b = torc...
- @Author：Runsen 当阅读一篇课文时，我们可以根据前面的单词来理解每个单词的，而不是从零开始理解每个单词。这可以称为记忆。卷积神经网络模型（CNN）不能实现这种记忆，因此引入了递归神经网络模型（RNN）来解决这一问题。RNN是带有循环的网络，允许信息持久存在。 RNN的应用有： 情绪分析（多对一，顺序输入） 机器翻译（多对多，顺序输入和顺序输出... @Author：Runsen 当阅读一篇课文时，我们可以根据前面的单词来理解每个单词的，而不是从零开始理解每个单词。这可以称为记忆。卷积神经网络模型（CNN）不能实现这种记忆，因此引入了递归神经网络模型（RNN）来解决这一问题。RNN是带有循环的网络，允许信息持久存在。 RNN的应用有： 情绪分析（多对一，顺序输入） 机器翻译（多对多，顺序输入和顺序输出...
- 官方文档： https://pytorch.org/mobile/android/ 转换模型： import torchimport torchvisionfrom torch.utils.mobile_optimizer import optimize_for_mobile model = torchvision.models.mobilenet_v2(pretr... 官方文档： https://pytorch.org/mobile/android/ 转换模型： import torchimport torchvisionfrom torch.utils.mobile_optimizer import optimize_for_mobile model = torchvision.models.mobilenet_v2(pretr...
- 作者丨Gemfield@@知乎 https://zhuanlan.zhihu.com/p/61765561 https://zhuanlan.zhihu.com/p/65822256 PyTorch的动态图（上） 背景 PyTorch的动态图框架主要是由torch/csrc/autograd下的代码实现的。这个目录下定义了3个主要的基类：Variable、... 作者丨Gemfield@@知乎 https://zhuanlan.zhihu.com/p/61765561 https://zhuanlan.zhihu.com/p/65822256 PyTorch的动态图（上） 背景 PyTorch的动态图框架主要是由torch/csrc/autograd下的代码实现的。这个目录下定义了3个主要的基类：Variable、...
- 用Tensor训练网络很方便，但是反向传播过程需要手动实现。这对于像线性回归等较为简单的模型来说，还可以应付，但实际使用中经常出现非常复杂的网络结构，此时如果手动实现反向传播，不仅费时费力，而且容易出错，难以检查。 torch.autograd就是为方便用户使用，而专门开发的一套自动求导引擎，它能够根据输入和前向传播过程自动构建计算图，并执行反向传播。 requir... 用Tensor训练网络很方便，但是反向传播过程需要手动实现。这对于像线性回归等较为简单的模型来说，还可以应付，但实际使用中经常出现非常复杂的网络结构，此时如果手动实现反向传播，不仅费时费力，而且容易出错，难以检查。 torch.autograd就是为方便用户使用，而专门开发的一套自动求导引擎，它能够根据输入和前向传播过程自动构建计算图，并执行反向传播。 requir...
- tensor中的比较 比较函数中有一些是逐元素比较，操作类似于逐元素操作，还有一些则类似于归并操作。常用比较函数如表3-6所示。 常用比较函数 函数 功能 gt/lt/ge/le/eq/ne 大于/小于/大于等于/小于等于/等于/不等 topk 最大的k个数 sort 排序 max/min 比较两... tensor中的比较 比较函数中有一些是逐元素比较，操作类似于逐元素操作，还有一些则类似于归并操作。常用比较函数如表3-6所示。 常用比较函数 函数 功能 gt/lt/ge/le/eq/ne 大于/小于/大于等于/小于等于/等于/不等 topk 最大的k个数 sort 排序 max/min 比较两...
- 高级索引 PyTorch在0.2版本中完善了索引操作，目前已经支持绝大多数numpy的高级索引。高级索引可以看成是普通索引操作的扩展，但是高级索引操作的结果一般不和原始的Tensor贡献内出。 x = t.arange(0,27).view(3,3,3) x 12 tensor([[[ 0., 1., 2.], [ 3., 4., 5.], [... 高级索引 PyTorch在0.2版本中完善了索引操作，目前已经支持绝大多数numpy的高级索引。高级索引可以看成是普通索引操作的扩展，但是高级索引操作的结果一般不和原始的Tensor贡献内出。 x = t.arange(0,27).view(3,3,3) x 12 tensor([[[ 0., 1., 2.], [ 3., 4., 5.], [...
- 对于任何一个深度学习的框架，都能够训练文本数据，当然NLTK在自然语言处理也占有一定的名声和权重 任何东西都离不开你我 来源 github # 导入torch的模块 import torch import torch.nn as nn from torch.autograd import Variable import torch.optim as optim i... 对于任何一个深度学习的框架，都能够训练文本数据，当然NLTK在自然语言处理也占有一定的名声和权重 任何东西都离不开你我 来源 github # 导入torch的模块 import torch import torch.nn as nn from torch.autograd import Variable import torch.optim as optim i...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签