Learning Path
浏览 PyTorch 相关教程与章节。
AI Agent、机器学习、深度学习、数据分析与 Python 科学计算。
教程
525
PyTorch torch.var 函数 Pytorch torch 参考手册 torch.var 是 PyTorch 中用于返回张量的方差的函数。方差是各数据与均值之差的平方的平均值，衡量数据的离散程度。 函数定义 torch.var(input, dim, unbiased, keepdim=False) 使用示例 实例 [mycode4 type='python'] import torch..
PyTorch torch.var_mean 函数 Pytorch torch 参考手册 torch.var_mean 是 PyTorch 中用于同时返回张量的方差和均值的函数。这是一个高效的函数，可以在一次操作中同时计算方差和均值。 函数定义 torch.var_mean(input, dim, unbiased, keepdim=False) 使用示例 实例 [mycode4 type='python&..
PyTorch torch.vdot 函数 Pytorch torch 参考手册 torch.vdot 是 PyTorch 中用于计算两个向量的点积的函数（也称为向量点积）。与 torch.dot 不同，torch.vdot 可以处理复数向量，并自动将第一个向量的每个元素与第二个向量的共轭元素相乘。 函数定义 torch.vdot(input, other) 使用示例 实例 [mycode4 type='p..
PyTorch torch.view_as_complex 函数 Pytorch torch 参考手册 torch.view_as_complex 是 PyTorch 中用于将实数张量视图转换为复数张量的函数。它将最后一个维度从两个实数值（实部和虚部）转换为单个复数值。 函数定义 torch.view_as_complex(input) 使用示例 实例 [mycode4 type='python'..
PyTorch torch.view_as_real 函数 Pytorch torch 参考手册 torch.view_as_real 是 PyTorch 中用于将复数张量视图转换为实数张量的函数。它将每个复数值（实部和虚部）拆分为两个单独的值，最后一维将有两个元素。 函数定义 torch.view_as_real(input) 使用示例 实例 [mycode4 type='python'] im..
PyTorch torch.vmap 函数 Pytorch torch 参考手册 torch.vmap 是 PyTorch 中用于向量映射的函数。它接受一个函数作为输入，并返回一个新的函数，这个新函数可以自动对批量的张量进行操作，类似于 JAX 中的 vmap。 函数定义 torch.vmap(func, in_dims, out_dims, randomness) 参数说明 func: 要向量化的函数 in_dims:..
PyTorch torch.vsplit 函数 Pytorch torch 参考手册 torch.vsplit 是 PyTorch 中用于垂直（沿行）分割张量的函数。 函数定义 torch.vsplit(input, indices_or_sections) 使用示例 实例 [mycode4 type='python'] import torch # 二维张量垂直分割 x = torch.ara..
PyTorch torch.vstack 函数 Pytorch torch 参考手册 torch.vstack 是 PyTorch 中用于垂直（沿行）堆叠张量的函数。 函数定义 torch.vstack(tensors, *, out=None) 使用示例 实例 [mycode4 type='python'] import torch # 一维张量垂直堆叠 x1 = torch.tensor([..
PyTorch torch.wait 函数 Pytorch torch 参考手册 torch.wait 是 PyTorch 中用于等待的函数。用于同步 CPU 和 GPU 操作。 函数定义 torch.wait(tensor) 使用示例 实例 [mycode4 type='python'] import torch # 创建张量（如果 CUDA 可用则使用 GPU） if torch.cuda.is_a..
PyTorch torch.where 函数 Pytorch torch 参考手册 torch.where 是 PyTorch 中用于根据条件返回元素的函数。 函数定义 torch.where(condition, input, other) 使用示例 实例 [mycode4 type='python'] import torch condition = torch.tensor([[True,..
PyTorch torch.xlogy 函数 Pytorch torch 参考手册 torch.xlogy 是 PyTorch 中用于逐元素计算 input * log(other) 的函数。对于 other 为 0 的情况，会返回 0。 函数定义 torch.xlogy(input, other, out=None) 使用示例 实例 [mycode4 type='python'] import ..
PyTorch torch.zeros 函数 Pytorch torch 参考手册 torch.zeros 是 PyTorch 中用于创建全零张量的函数。它会创建一个指定形状的张量，所有元素都初始化为 0。 这是在深度学习中初始化张量最常用的方式之一，常用于创建偏置向量、占位符或初始化模型参数。 函数定义 torch.zeros(*size, dtype=None, device=None, requires_grad=Fa..
PyTorch torch.zeros_like 函数 Pytorch torch 参考手册 torch.zeros_like 是 PyTorch 中用于创建与输入张量形状相同的全零张量的函数。 函数定义 torch.zeros_like(input, dtype=None, device=None, requires_grad=False) 使用示例 实例 [mycode4 type='python�..
PyTorch TorchScript / ONNX 导出 模型训练完成后，需要将模型部署到生产环境。PyTorch 提供了多种模型导出方式，其中 TorchScript 和 ONNX 是最常用的两种格式。本节详细介绍这两种导出方式的原理、使用方法和最佳实践。 模型导出是将 PyTorch 模型转换为可以在不同平台、不同框架上运行的格式的过程。这对于模型部署、移动端推理、跨框架迁移等场景至关重要。 1. TorchScript..
$(function() { $('.math').each(function() { renderMathInElement(this, { delimiters: [ { left: '\\(', right: '\\)', display: false }, { ..
PyTorch torchvision 计算机视觉模块 torchvision 是 PyTorch 生态系统中专门用于计算机视觉任务的扩展库，它提供了以下核心功能： 预训练模型：包含经典的 CNN 架构实现（如 ResNet、VGG、AlexNet 等） 数据集工具：内置常用视觉数据集（如 CIFAR10、MNIST、ImageNet 等） 图像变换：提供各种图像预处理和数据增强方法 实用工具：包括视频处理、图像操作等辅助功能 ..
PyTorch 迁移学习 迁移学习（Transfer Learning）是指将在大规模数据集上预训练好的模型，迁移到新的、数据量较少的任务上进行训练的技术。 它是当今深度学习实践中使用最广泛的技术之一——在大多数情况下，迁移学习比从零开始训练效果更好、速度更快、所需数据更少。 1. 迁移学习核心思想 深度神经网络在 ImageNet 上学到的特征具有通用性： 浅层网络：学习通用低级特征（边缘、纹理、颜色梯度） 中层网络：学习通用中..
PyTorch 构建 Transformer 模型 Transformer 是现代机器学习中最强大的模型之一。 Transformer 模型是一种基于自注意力机制（Self-Attention） 的深度学习架构，它彻底改变了自然语言处理（NLP）领域，并成为现代深度学习模型（如 BERT、GPT 等）的基础。 Transformer 是现代 NLP 领域的核心架构，凭借其强大的长距离依赖建模能力和高效的并行计算优势，在语言翻译和文本摘..
PyTorch 数据转换 在 PyTorch 中，数据转换（Data Transformation） 是一种在加载数据时对数据进行处理的机制，将原始数据转换成适合模型训练的格式，主要通过 torchvision.transforms 提供的工具完成。 数据转换不仅可以实现基本的数据预处理（如归一化、大小调整等），还能帮助进行数据增强（如随机裁剪、翻转等），提高模型的泛化能力。 为什么需要数据转换？ 数据预处理： 调整数据格式、大小和范围..
PyTorch 教程 PyTorch 是一个开源的机器学习库，主要用于进行计算机视觉（CV）、自然语言处理（NLP）、语音识别等领域的研究和开发。 PyTorch由 Facebook 的人工智能研究团队开发，并在机器学习和深度学习社区中广泛使用。 PyTorch 以其灵活性和易用性而闻名，特别适合于深度学习研究和开发。 谁适合阅读本教程？ 只要您具备编程的基础知识，您就可以阅读本教程，学习 PyTorch 适合对深度学习和..
Transformer 模型 $(function() { $('.math').each(function() { renderMathInElement(this, { // 自定义选项，如果需要的话 delimiters: [ { left: '\\(', right: '..