AI 模型国内加速

目录:

  • 1. 【AI网盘】人工智能资源汇总
  • 2. Stable Diffusion
  • 3. Pytorch 教程
    • 3.1. Pytorch 快速入门
      • 3.1.1. 1.1 Pytorch 简介
      • 3.1.2. 1.2 Pytorch环境搭建
      • 3.1.3. 1.2.1 安装Pytorch
      • 3.1.4. PyTorch 深度学习:60分钟快速入门 （官方）
      • 3.1.5. 相关资源列表
      • 3.1.6. PyTorch是什么?
      • 3.1.7. Autograd: 自动求导机制
      • 3.1.8. Neural Networks
      • 3.1.9. 训练一个分类器
      • 3.1.10. 数据并行（选读）
      • 3.1.11. PyTorch 中文手册第一章 ： PyTorch入门
        • 3.1.11.1. 目录
      • 3.1.12. PyTorch 基础 : 张量
      • 3.1.13. 使用PyTorch计算梯度数值
      • 3.1.14. PyTorch 基础 : 神经网络包nn和优化器optm
      • 3.1.15. PyTorch 基础 :数据的加载和预处理
      • 3.1.16. 2.2 深度学习基础及数学原理
      • 3.1.17. 2.3 神经网络简介
      • 3.1.18. 2.4 卷积神经网络简介
      • 3.1.19. 2.5 循环神经网络
      • 3.1.20. Pytorch 中文手册第二章 ： 基础
      • 3.1.21. 3.1 logistic回归实战
      • 3.1.22. 3.2 MNIST数据集手写数字识别
      • 3.1.23. 3.3 通过Sin预测Cos
      • 3.1.24. Pytorch 中文手册第三章 ： 实践
      • 3.1.25. 4.1 Fine tuning 模型微调
      • 3.1.26. 4.2.1 使用Visdom在 PyTorch 中进行可视化
      • 3.1.27. 4.2.2 使用Tensorboard在 PyTorch 中进行可视化
      • 3.1.28. 4.2.3 可视化理解卷积神经网络
      • 3.1.29. 基于Backpropagation的方法
      • 3.1.30. 4.3 fastai
      • 3.1.31. 4.5 多GPU并行训练
      • 3.1.32. 在PyTorch中使用DistributedDataParallel进行多GPU分布式模型训练
      • 3.1.33. Pytorch 中文手册第四章 ： 提高
      • 3.1.34. 5.1 kaggle介绍
      • 3.1.35. 5.2 Pytorch处理结构化数据
      • 3.1.36. Fashion MNIST进行分类
      • 3.1.37. Pytorch 中文手册第五章 ： 应用
  • 4. 编程语言 风格指南
  • 5. 编程语言 语法
  • 6. Cheat Sheet
  • 7. 关于
AI 模型国内加速
  • 3. Pytorch 教程
  • 3.1. Pytorch 快速入门
  • 3.1.11. PyTorch 中文手册第一章 ： PyTorch入门
  • 查看页面源码

3.1.11. PyTorch 中文手册第一章 ： PyTorch入门

3.1.11.1. 目录

  1. PyTorch 简介

  2. PyTorch 环境搭建

  3. PyTorch 深度学习：60分钟快速入门（官方）

    • 张量

    • Autograd：自动求导

    • 神经网络

    • 训练一个分类器

    • 选读：数据并行处理（多GPU）

  4. 相关资源介绍

上一页 下一页

© 版权所有 2024.

利用 Sphinx 构建，使用的 主题 由 Read the Docs 开发.
View Counter
Read the Docs v: latest
版本
latest