- Pytorch多进程最佳实践 注意技巧： https://pytorch.org/docs/stable/multiprocessing.html 模型并行（ model parallelism ）：即把模型拆分放到不同的设备进行训练，分布式系统中的不同机器（GPU/CPU等）负责网络模型的不同部分 —— 例如，神经网络模型的不同网络层被... Pytorch多进程最佳实践 注意技巧： https://pytorch.org/docs/stable/multiprocessing.html 模型并行（ model parallelism ）：即把模型拆分放到不同的设备进行训练，分布式系统中的不同机器（GPU/CPU等）负责网络模型的不同部分 —— 例如，神经网络模型的不同网络层被...
- 量化是一种加速推理的技术，量化算子并且仅仅支持前向传递。Pytorch支持int8量化，相比于float32,模型的大小减少4倍，内存要求减少4倍。与float32计算相比，对int8计算的硬件支持通常快2到4倍。 大多数情况下，模型需要以float32精度训练，然后将模型转换为int8。如今，PyTorch支持在具有AVX2支持或者更高版本的x86 CPU... 量化是一种加速推理的技术，量化算子并且仅仅支持前向传递。Pytorch支持int8量化，相比于float32,模型的大小减少4倍，内存要求减少4倍。与float32计算相比，对int8计算的硬件支持通常快2到4倍。 大多数情况下，模型需要以float32精度训练，然后将模型转换为int8。如今，PyTorch支持在具有AVX2支持或者更高版本的x86 CPU...
- In [1]: import torchfileIn [2]: torchfile.load('testfiles_x86_64/list_table.t7')Out[2]: ['hello', 'world', 'third item', 123]In [3]: torchfile.load('testfiles_x86_64/doublet... In [1]: import torchfileIn [2]: torchfile.load('testfiles_x86_64/list_table.t7')Out[2]: ['hello', 'world', 'third item', 123]In [3]: torchfile.load('testfiles_x86_64/doublet...
- 测试代码： import torch loss_fn = torch.nn.CrossEntropyLoss(reduce=True, weight=None)input = torch.Tensor([0,0,0,0.5,0.6,.7])target = torch.LongTensor(3).random_(5)print(input)print(tar... 测试代码： import torch loss_fn = torch.nn.CrossEntropyLoss(reduce=True, weight=None)input = torch.Tensor([0,0,0,0.5,0.6,.7])target = torch.LongTensor(3).random_(5)print(input)print(tar...
- 在使用pytorch实现textcnn进行文本分类时，参考了别人的代码(keras)，在使用torch.nn.functional.cross_entropy纠结了很久，最后发现的下面的文章： https://www.cnblogs.com/marsggbo/p/10401215.html 总结了以下的注意点： 在网络的forward最后输出时不用接so... 在使用pytorch实现textcnn进行文本分类时，参考了别人的代码(keras)，在使用torch.nn.functional.cross_entropy纠结了很久，最后发现的下面的文章： https://www.cnblogs.com/marsggbo/p/10401215.html 总结了以下的注意点： 在网络的forward最后输出时不用接so...
- pytorch tensorboard 使用 pip 安装 pip install tensorboardX 从源码安装 git clone https://github.com/lanpa/tensorboardX && cd tensorboardX && python setup.py instal... pytorch tensorboard 使用 pip 安装 pip install tensorboardX 从源码安装 git clone https://github.com/lanpa/tensorboardX && cd tensorboardX && python setup.py instal...
- pytorch报错Unable to get repr for 标签出现了-1,2或者其他值，loss计算之后， 报错：CUDA error: device-side assert triggered 然后出现此错误： Unable to get repr for class tensor pytorc... pytorch报错Unable to get repr for 标签出现了-1,2或者其他值，loss计算之后， 报错：CUDA error: device-side assert triggered 然后出现此错误： Unable to get repr for class tensor pytorc...
- PyTorch Dataloader 加速 参考源码： https://github.com/NVIDIA/apex/blob/f5cd5ae937f168c763985f627bbf850648ea5f3f/examples/imagenet/main_amp.py#L256 class data_prefetcher(): def __init__(... PyTorch Dataloader 加速 参考源码： https://github.com/NVIDIA/apex/blob/f5cd5ae937f168c763985f627bbf850648ea5f3f/examples/imagenet/main_amp.py#L256 class data_prefetcher(): def __init__(...
- 总结：torch版cuda最快，cpu次之，python最慢。 import time import torch import numpy as np import cv2 if __name__ == '__main__': path=r'D:\111.jpg' img_ = cv2.imread(path) start = time.time() for j in ra... 总结：torch版cuda最快，cpu次之，python最慢。 import time import torch import numpy as np import cv2 if __name__ == '__main__': path=r'D:\111.jpg' img_ = cv2.imread(path) start = time.time() for j in ra...
- 预测一张：255*255 40ms 1.注意力机制需要维度相同，效果是把第二维变成1，比如(3,255,4,4)变成(3,1,4,4) 2.基础网络需要17ms，金字塔网络、注意力机制 需要8ms，候选框 需要16ms https://github.com/rainofmine/Face_Attention_Network 感觉这个是打... 预测一张：255*255 40ms 1.注意力机制需要维度相同，效果是把第二维变成1，比如(3,255,4,4)变成(3,1,4,4) 2.基础网络需要17ms，金字塔网络、注意力机制 需要8ms，候选框 需要16ms https://github.com/rainofmine/Face_Attention_Network 感觉这个是打...
- 本篇博客主要向大家介绍Pytorch中view()、squeeze()、unsqueeze()、torch.max()函数，这些函数虽然简单，但是在 神经网络编程总却经常用到，希望大家看了这篇博文能够把这些函数的作用弄清楚。 import torch a=torch.Tensor(2,3)a 3.8686e+25 9.1836... 本篇博客主要向大家介绍Pytorch中view()、squeeze()、unsqueeze()、torch.max()函数，这些函数虽然简单，但是在 神经网络编程总却经常用到，希望大家看了这篇博文能够把这些函数的作用弄清楚。 import torch a=torch.Tensor(2,3)a 3.8686e+25 9.1836...
- import torch x = torch.rand(30, 3, 416, 416).cuda() start=time.time() torch.sigmoid(x) print(f'time,{time.time()-start}') import torch x = torch.rand(30, 3, 416, 4... import torch x = torch.rand(30, 3, 416, 416).cuda() start=time.time() torch.sigmoid(x) print(f'time,{time.time()-start}') import torch x = torch.rand(30, 3, 416, 4...
- PyTorch分布式训练 PyTorch 是一个 Python 优先的深度学习框架，能够在强大的 GPU 加速基础上实现张量和动态神经网络。PyTorch的一大优势就是它的动态图计算特性。 License ：MIT License 官网：http://pytorch.org/ GitHub： PyTorch分布式训练 PyTorch 是一个 Python 优先的深度学习框架，能够在强大的 GPU 加速基础上实现张量和动态神经网络。PyTorch的一大优势就是它的动态图计算特性。 License ：MIT License 官网：http://pytorch.org/ GitHub：
- Unsupported ONNX opset version: 11 估计是pytorch不支持，重新安装pytorch2.0可能能解决。 比如： pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.h... Unsupported ONNX opset version: 11 估计是pytorch不支持，重新安装pytorch2.0可能能解决。 比如： pip install torch===1.4.0 torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.h...
- Fast_Human_Pose_Estimation_Pytorch 权重：model_best.pth.tar python tools/mpii_demo.py -a hg -s 2 -b 1 --mobile True --checkpoint model_best.pth.tar --in_res 256 --device cuda... Fast_Human_Pose_Estimation_Pytorch 权重：model_best.pth.tar python tools/mpii_demo.py -a hg -s 2 -b 1 --mobile True --checkpoint model_best.pth.tar --in_res 256 --device cuda...
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