本章中,将要介绍使用我们的C库如何扩展torch.nn,torch.autograd和编写自定义的C扩展工具。
torchvision 包收录了若干重要的公开数据集、网络模型和计算机视觉中的常用图像变换
Torch脚本是一种从PyTorch代码创建可序列化和可优化模型的方法。用Torch脚本编写的代码可以从Python进程中保存,并在没有Python依赖的进程中...
Windows PyTorch有两个受支持的组件:MKL和MAGMA。 以下是使用它们构建的步骤。
许许多多的PyTorch操作都支持NumPy Broadcasting Semantics。
torch.cuda 用于设置和运行 CUDA 操作。它会跟踪当前选定的GPU,并且默认情况下会在该设备上创建您分配的所有 CUDA tensors。可以使用 ...
本说明将概述autograd(自动求导)如何工作并记录每一步操作。了解这些并不是绝对必要的,但我们建议您熟悉它,因为它将帮助你编写更高效,更清晰的程序,并可以帮...
Torch支持COO(rdinate )格式的稀疏张量,这可以有效地存储和处理大多数元素为零的张量。
torch.Tensor 是默认的tensor类型 (torch.FloatTensor) 的简称.
torch.Storage 跟绝大部分基于连续存储的数据结构类似,本质上是一个单一数据类型的一维连续数组(array)。
深度学习的所有计算都是在张量上进行的,其中张量是一个可以被超过二维索引的矩阵的一般表示形式。稍后我们将详细讨论这意味着什么。首先,我们先来看一下我们可以用张量来...
译者:BXuan694 torchvision.utils.make_grid(tensor, nrow=8, padding=2, normalize=Fal...
所有的数据集都是torch.utils.data.Dataset的子类, 即:它们实现了__getitem__和__len__方法。因此,它们都可以传递给tor...
我们在torch.utils.model_zoo中提供了预训练模型。预训练模型可以通过传递参数pretrained=True构造:
这里是一个简单的脚本程序,它将一个在 torchvision 中已经定义的预训练 AlexNet 模型导出到 ONNX 格式. 它会运行一次,然后把模型保存至 ...
distributions 包含可参数化的概率分布和采样函数. 这允许构造用于优化的随机计算图和随机梯度估计器. 这个包一般遵循 TensorFlow Dist...
torch.autograd 提供类和函数,实现任意标量值函数的自动微分。 它要求对已有代码的最小改变—你仅需要用requires_grad=True关键字为需...
transforms包含了一些常用的图像变换,这些变换能够用Compose串联组合起来。另外,torchvision提供了torchvision.transfo...
这个包添加了对CUDA张量类型的支持,它实现了与CPU张量同样的功能,但是它使用GPU进计算。
torch.distributed 支持三个后端,每个后端具有不同的功能。下表显示哪些功能可用于CPU/CUDA张量。仅当用于构建PyTorch的实现支持时,M...
领取专属 10元无门槛券
手把手带您无忧上云