PyTorch 的 Autograd Engine（自动求导引擎）
PyTorch 的 Autograd Engine（自动求导引擎）是 PyTorch 中实现自动求导功能的核心组件之一。Autograd Engine 负责构建计算图、跟踪张量操作，并自动计算梯度。以下是 Autograd Engine 的一些关键特点和功能： 动态计算图：PyTorch 使用动态计算图，这意味着计算图是根据实际的张量操作动态构建的。每次执行张量操作时，Autograd Engine 都会在...
pytorch张量和numpy数组相互转换
pytorch张量和numpy数组相互转换 🌵文章目录🌵 🌳引言🌳🌳将numpy数组转换为Pytorch张量🌳1. 功能介绍2. 用法 🌳将Pytorch张量转换为numpy数组🌳1. 功能介绍2. 用法 🌳PyTorch张量和NumPy数组的区别🌳🌳结尾🌳 🌳引言🌳 在深度学习和PyTorch中，张量（Tensor）是核心的数据结构，用于存储和操作多维数据。然而，在许多情况下，我们可能需要使用NumPy...
[PyTorch]PyTorch中张量(Tensor)拼接和拆分操作
PyTorch深度学习总结 第四章 PyTorch中张量(Tensor)拼接和拆分操作 文章目录 PyTorch深度学习总结前言一、张量拼接二、张量拆分 前言 上文介绍了PyTorch中张量(Tensor)的切片操作，本文主要介绍张量的拆分和拼接操作。 一、张量拼接 二、张量拆分 注意： torch.chunk()：当张量对应维度元素数量不足以拆分时，会按照可以拆分的最大数量进行拆分，且会出现不均等拆分情...
深度学习自然语言处理（NLP）模型BERT：从理论到Pytorch实战
文章目录 深度学习自然语言处理（NLP）模型BERT：从理论到Pytorch实战一、引言传统NLP技术概览规则和模式匹配基于统计的方法词嵌入和分布式表示循环神经网络（RNN）与长短时记忆网络（LSTM）Transformer架构 二、什么是BERT？BERT的架构整体理念架构部件Encoder层嵌入层（Embedding Layer） 部件的组合架构特点 三、BERT的核心特点Attention机制自注意...
PyTorch: torch.max()函数详解
torch.max函数详解：基于PyTorch的深入探索 🌵文章目录🌵 🌳引言🌳🌳torch.max()函数简介🌳🌳torch.max()的返回值🌳🌳torch.max()的应用示例🌳🌳torch.max()的高级特性🌳🌳结尾🌳 🌳引言🌳 在深度学习和机器学习的实际应用中，我们经常需要从一组数据中找到最大值及其索引。PyTorch，作为一个流行的开源深度学习平台，为我们提供了许多有用的函数，其中之一就是t...
MNIST数据集介绍及基于Pytorch下载数据集
MNIST数据集介绍及基于Pytorch下载数据集 🌵文章目录🌵 🌳引言🌳🌳MNIST数据集介绍🌳🌳基于Pytorch下载MNIST数据集并可视化🌳🌳使用MNIST数据集进行图像分类任务🌳🌳MNIST数据集的局限性分析🌳🌳小结🌳🌳结尾🌳 🌳引言🌳 在深度学习的领域中，MNIST数据集的重要地位不容忽视。作为入门级的计算机视觉数据集，它为研究者提供了一个宝贵的资源，帮助无数人开启了人工智能的探索之旅。今天，...
Transformer的PyTorch实现之若干问题探讨（二）
在《Transformer的PyTorch实现之若干问题探讨（一）》中探讨了Transformer的训练整体流程，本文进一步探讨Transformer训练过程中teacher forcing的实现原理。 1.Transformer中decoder的流程 在论文《Attention is all you need》中，关于encoder及self attention有较为详细的论述，这也是网上很多教程在谈及...
语义分割任务的准确率计算：基于PyTorch实现
语义分割任务的准确率计算：基于PyTorch实现 🌵文章目录🌵 🌳引言🌳🌳语义分割任务概述🌳🌳准确率的定义与计算方法🌳🌳实践应用与优化策略🌳🌳准确率的局限性分析🌳🌳结尾🌳 🌳引言🌳 随着深度学习技术的飞速发展，语义分割任务作为计算机视觉领域的一个重要分支，逐渐受到了广大研究者和开发者的关注。语义分割旨在将图像中的每个像素点划分到其所属的物体类别中，从而为图像赋予更为丰富的语义信息。准确率作为衡量语义分割模...
【PyTorch】张量(Tensor)的生成
PyTorch深度学习总结 第一章 Pytorch中张量(Tensor)的生成 文章目录 PyTorch深度学习总结一、什么是PyTorch？二、张量(Tensor)1、张量的数据类型2、张量生成和信息获取 总结 一、什么是PyTorch？ PyTorch提供了一种灵活的、动态的计算图模型，使得开发者可以方便地构建和训练神经网络模型。PyTorch采用了动态图的方式，即在运行时才构建计算图，这与静态图的框...
PyTorch概述（三）---Datasets
torchvision .datasets 模块中提供很多内置数据集;以及很多工具类用于构建用户自己的数据集; 内置数据集 所有内置的数据集都是 torch.utils.data.Dataset的子类;也就是他们都具有已经实现的__getitem__和__len__方法;内置数据集都能够被送到torch.utils.data.DataLoader;以并行的方式使用torch.multiprocessing加...