logo资料库

pytorch中文文档-API查询与使用.pdf

第1页 / 共444页
第2页 / 共444页
第3页 / 共444页
第4页 / 共444页
第5页 / 共444页
第6页 / 共444页
第7页 / 共444页
第8页 / 共444页
资料共444页,剩余部分请下载后查看
I PyTorch 中文
torch
Tensors
创建操作
索引,切片,连接,换位
随机抽样
序列化
并行化
数学操作
按点操作
累积操作
其它操作
BLAS/LAPACK操作
Tensor
Storage
nn
Containers(容器)
ParameterList
卷积层
池化层
规范化层(Normalization layers)
循环层
线性层
Dropout层
稀疏层
损失函数
Vision layers
optim
如何使用optimizer
构建
为每个参数单独设置选项
进行单次优化
算法
Multi-GPU层
utils
functional
Pooling 函数
Vision functions
autograd
Variable
init
multiprocessing
Strategy management
Sharing CUDA tensors
Sharing strategies
File descriptor-file_descripor
File system -file_system
ffi
utils.data
utils.model_zoo
torchvision
datasets
MNIST
COCO
ImageFolder
CIFAR
STL10
models
transform
对Tensor进行变换
Conversion Transforms
通用变换
utils
torch.utils.tensorboard
PyTorch机制
自动求导机制
requires_grad
CUDA语义
最佳实践
扩展PyTorch
扩展 torch.autograd
扩展 torch.nn
编写自定义C扩展
多进程最佳实践
共享CUDA张量
最佳实践和提示
避免和抵制死锁
重用经过队列的缓冲区
异步多进程训练(例如Hogwild)
Hogwild
序列化语义
保存模型的推荐方法
使用PyTorch实现简单的线性回归
训练神经网络识别手写体数字
PyTorch基础
PyTorch自动求导机制
模型保存
图像部分
Torchvision0.3.0目标检测finetune
空间变换网络
对抗样本生成
转换PyTorch模型为ONNX
文本
聊天机器人
载入和裁剪数据
RNN分类名字属于的区域
使用字符级别的RNN生成名字
NLP基础
序列到序列网络和注意力翻译
并行
数据并行
产品使用
模型并行的最佳实践
开始分布式数据并行
使用PyTorch写一个分布式的应用
PyTorch 中文文档 深度学习实践 刘帅(整理)
https://gitee.com/bleedingfight 这本书是关于学习 PyTorch 的使用和相关的 API、包的常见信息。资料均来自网络,为此本 书仅仅作为我的个人学习笔记,可以分享传播,主要内容来自PyTorch 中文。 First release, January 2019
Part I PyTorch 中文
本书主要分为两部分: • PyTorch 中文部分:这部分介绍了 PyTorch 常用的 API,主要包括如下模块: – torch:torch 常用 API。 – torchvision:torchvision 常用 API • PyTorch 使用示例:主要介绍 PyTorch 使用相关。
Contents I PyTorch 中文 3 torch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 11 12 19 27 31 32 32 1 1.1 Tensors 1.2 创建操作 1.3 索引, 切片, 连接, 换位 1.4 随机抽样 1.5 序列化 1.6 并行化 1.7.1 按点操作 ........................................................ 32 1.7 数学操作 1.8 累积操作 1.9 其它操作 1.10 BLAS/LAPACK 操作 1.11 Tensor 1.12 Storage 59 82 89 103 119
nn 1.13 1.13.1 Containers(容器) ............................................... 121 1.13.2 ParameterList.................................................... 128 1.13.3 卷积层......................................................... 129 1.13.4 池化层......................................................... 137 121 1.14 规范化层 (Normalization layers) 1.15 循环层 1.16 线性层 1.17 Dropout 层 1.18 稀疏层 1.19 损失函数 157 160 166 167 169 171 1.21 optim 179 181 1.20 Vision layers 1.22 Multi-GPU 层 1.21.1 如何使用optimizer................................................ 181 1.21.2 构建 .......................................................... 181 1.21.3 为每个参数单独设置选项 ........................................... 182 1.21.4 进行单次优化.................................................... 182 1.21.5 算法 .......................................................... 183 1.22.1 utils........................................................... 189 1.22.2 functional....................................................... 192 1.22.3 Pooling 函数..................................................... 194 1.22.4 Visionfunctions .................................................. 201 1.23.1 Variable........................................................ 202 1.23.2 init ........................................................... 207 1.24.1 Strategymanagement .............................................. 211 1.24.2 SharingCUDAtensors .............................................. 211 1.24.3 Sharingstrategies ................................................. 212 1.24.4 Filedescriptor-ile_descripor ......................................... 212 1.24.5 Filesystem-ile_system ............................................. 212 1.24.6 fi ............................................................ 212 1.24 multiprocessing autograd 1.23 189 202 211
分享到:
收藏