注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. pytorch 实现张量tensor,图片,CPU,GPU,数组等的转换

  2. 1, 创建pytorch 的Tensor张量： torch.rand((3,224,224)) #创建随机值的三维张量，大小为（3,224,224） torch.Tensor([3,2]) #创建张量，[3,2] 2, cpu上的tensor和GPU即pytorch创建的tensor的相互转化 b = a.cpu() # GPU → CPU a = b.cuda() #CPU → GPU 3, tensor和numpy的转化 b = a.numpy() # tensor转化为 numpy

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：36kb
    • 提供者：weixin_38506182

  1. PyTorch中张量的创建方法

  2. 张量的概念   张量，即Tensor，是PyTorch的基本数据结构。在数学概念中，张量是一个多维数组，它是标量、向量、矩阵的高维拓展。 torch.Tensor中的属性： data: 被包装的Tensor grad: data的梯度 grad_fn: 创建Tensor的Function，如加法，乘法，这个操作在求导过程中需要用到，所以需要将其记录下来。 requires_grad: 指示是否需要计算梯度 is_leaf: 指示是否是叶子结点 dtype: 张量的数据类型，如 torch.Flo

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：78kb
    • 提供者：weixin_38658471

  1. 创建pytorch张量

  2. 1、numpy->tensor 注： tensor()参数为具体的数据， Tensor() 和 FloatTensor()参数可以为数据也可以为维度信息，但是一般不用他来放数据 a = torch.Tensor(2, 3) print(a) a = torch.FloatTensor(2, 3) print(a) a = np.array([2., 3]) b = torch.from_numpy(a) print(b) #############################

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：37kb
    • 提供者：weixin_38529436

  1. PyTorch是什么?

  2. PyTorch是什么? 基于Python的科学计算包，服务于以下两种场景: 作为NumPy的替代品，可以使用GPU的强大计算能力 提供最大的灵活性和高速的深度学习研究平台 开始 Tensors（张量） Tensors与Numpy中的 ndarrays类似，但是在PyTorch中 Tensors 可以使用GPU进行计算. 创建一个 5×3 矩阵, 但是未初始化: import torch x = torch.empty(5, 3) print(x) 创建一个随机初始化的矩阵: import

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：86kb
    • 提供者：weixin_38522214

  1. PyTorch学习笔记（3）autograd 自动求导

  2. 自动求导 torch.autograd.backward 自动求取梯度 tensors 用于求导的张量 retain_graph 保存计算图 create_graph 创建导数计算图 用于高阶求导 grad_tensors 多梯度权重 flag = True # flag = False if flag: # requires_grad 要求梯度 w = torch.tensor([1.],requires_grad=True) x = torch.tensor([2.]

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：22kb
    • 提供者：weixin_38635449

  1. PyTorch学习笔记（2）计算图

  2. 计算图 是用来描述运算的有向无环图 两个主要元素 结点Node 边 Edge 结点表示数据 向量 矩阵 张量 边表示运算 加减乘除卷积 使梯度求导更加方便 import torch w = torch.tensor([1.],requires_grad=True) x = torch.tensor([2.],requires_grad=True) a = torch.add(w,x) # 保存相应张量的梯度 a.retain_grad() b = torch.add(w,1) y = tor

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：29kb
    • 提供者：weixin_38670433

  1. tinyDL-源码

  2. TinyDL（在制品） 小型深度学习库 超级在制品 随着时间的流逝，将添加新功能 怎么跑 python main.py 为什么？ Pytorch太复杂了，无法学习。 （请。我尝试过。有一百万个文件夹。我的大脑>。<） 这并不打算成为Pytorch。 只是为了了解其中的内容 尝试从头开始重新创建大多数基本组件 最终的博客也是如此 受启发 Karpathy和他的超赞xD ft。我尝试用其他语言进行的所有尝试都失败了，但失败了）： 参考 灵感来自 到目前为止有什么 完成训练 前进/后

  3. 所属分类：其它

  1. pytorch3d：PyTorch3D是FAIR的可重用组件库，用于使用3D数据进行深度学习-源码

  2. 介绍 PyTorch3D提供3D计算机视觉研究与高效的，可重用的组件 。 主要功能包括： 用于存储和处理三角形网格的数据结构 在三角形网格上的有效操作（投影变换，图卷积，采样，损失函数） 可区分的网格渲染器 PyTorch3D旨在与深度学习方法平滑集成，以预测和处理3D数据。 因此，PyTorch3D中的所有运算符： 使用PyTorch张量实现 可以处理异构数据的小批量 可以区分 可以利用GPU进行加速 在FAIR中，PyTorch3D已用于为研究项目（例如提供动力。 安装 有关详细说明

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：26mb
    • 提供者：weixin_42106765

  1. RL-Pytorch：不同强化学习算法的实现-源码

  2. 强化学习算法-PyTorch 针对OpenAI体育馆环境的不同强化学习算法的PyTorch实现。 用法 要测试预先训练的网络：运行test.py或test_continuous.py 训练新网络：运行train.py或train_continuous.py 所有超参数都在train.py或train_continuous.py文件中 如果您尝试在操作维数= 1的环境中对其进行训练，请确保检查PPO类的update函数中的张量维，因为我已经使用过torch.squeeze()多次。 torc

  3. 所属分类：其它

  1. ds_template：数据科学项目的cookiecutter模板-源码

  2. Cookiecutter模板 用于DS项目的模板。 目录 Python> = 3.7 PyTorch> = 1.1 张量板> = 1.4 清晰的文件夹结构，适用于许多机器学习项目。 通过.yml文件配置运行，以便于实验。 检查点保存和恢复。 达格斯特整合 $ pip install cookiecutter $ cookiecutter . $ cd path/to/repo 现在已经创建了一个模板项目！ $ make env $ conda activate

  3. 所属分类：其它

  1. 使用PyTorch进行深度学习：“使用PyTorch进行深度学习：零到GAN”-源码

  2. 使用PyTorch进行深度学习 “使用PyTorch进行深度学习：零到GAN”。 本课程由机器学习的项目管理和协作平台Jovian.ml教授。 教学大纲 该课程分为6个模块，将通过视频讲座和交互式Jupyter笔记本电脑进行为期6周的教学。 每个讲座将持续2个小时左右。 第1单元：PyTorch基础知识-张量和渐变 Jupyter笔记本简介和Python数据科学 在PyTorch中创建向量，矩阵和张量 张量运算和梯度计算 PyTorch与Numpy的互操作性 单元2：线性回归和梯度下降 使用T

  3. 所属分类：其它

  1. 米尔维斯-源码

  2. 这个专案可协助您找出相片/场景中的名人。 它通过使用MTCNN和Facenet的pytorch实现来工作。 MTCNN在图像中找到所有面部，并将其传递给Facenet以创建每个面部的潜在编码。 利用这个张量，我们可以在已编码名人脸的milvus数据库中找到最接近的匹配项。 结果显示了名人的一些面Kong和相应的代码，因为面Kong数据集不包括名称，而是ID标签。 如何运行： 设置并运行Milvus： 克隆此github存储库： git clone 下载这些文件中的每个文件，并将它们放

  3. 所属分类：其它

  1. 张量：用于神经网络和多维数组的C ++库-源码

  2. 张量 该库提供两个主要功能： 与多维数组进行交互的类（对于后端库，请使用具有后备功能的BLAS / LAPACK库，以拥有自己的幼稚实现）。 深度神经网络。 设计目标是创建一个类似numpy / pytorch的接口，用于与包装在简单，相对轻量的库中的多维数组进行交互，该库具有有限的外部依赖性，可以在android手机和微控制器等平台上使用。 如何在您的项目中使用 如果您使用的是cmake，请参见示例。 tensor/nn模块的用法 例如用法跳转到 tensor模块在嵌入式应用中的使用

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：195kb
    • 提供者：weixin_42175516

  1. 陷阱：为Pytorch C ++ API（libtorch）进行绑定-源码

  2. 高奇 总览 Gotch为Pytorch C ++ API（Libtorch）创建了一个薄包装器，以利用其已优化的C ++张量API（约1400多种）和带有CUDA支持的动态图计算，并提供惯用的Go API以在Go中开发和实现深度学习。 一些功能是 全面的Pytorch张量API（〜1404） 功能齐全的Pytorch动态图计算 JIT界面运行使用PyTorch Python API训练/保存的模型 加载预训练的Pytorch模型并进行推理 Pure Go API通过CPU和GPU支持

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：54mb
    • 提供者：weixin_42137032

  1. SpeedTorch：用于在Pytorch中更快固定CPU &lt;-> GPU传输的库-源码

  2. 快速火炬 在某些情况下，更快固定CPU张量 GPU Pytorch variabe传递和GPU张量 GPU Pytorch变量传递。 更新9-29-19 由于在某些系统中，使用固定的Pytorch CPU张量比使用Cupy张量更快（请参见“工作原理”部分，以获取更多详细信息），因此我创建了通用的Pytorch张量类PytorchModelFactory和PytorchOptimizerFactory ，可以将张量设置为cuda或cpu ，如果使用cpu ，则应固定其内存。 原始的GPUPyt

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：22kb
    • 提供者：weixin_42152298

  1. torchdata：PyTorch数据集扩展了地图，缓存等（类似于tensorflow.data）-源码

  2. 直接在Dataset对象上使用map ， apply ， reduce或filter cache数据cache在RAM /磁盘中或通过您自己的方法（支持部分缓存） 完整的PyTorch的和支持 一般torchdata.maps例如Flatten或Select 可扩展的接口（您自己的缓存方法，缓存修改器，映射等） 有用的torchdata.datasets类，用于常规任务（例如，文件读取） 支持torchvision数据集（例如ImageFolder ， MNIST ， CIFAR10通

  3. 所属分类：其它

  1. deepsvg：论文“ DeepSVG：矢量图形动画的分层生成网络”的正式代码。 包括一个PyTorch库，用于使用SVG数据进行深度学习-源码

  2. 介绍 这是论文“ DeepSVG：矢量图形动画的分层生成网络”的正式代码。 请参阅的引文详细信息。 纸张： 程式码： 项目页面： 1分钟的视频： 该存储库包括： 训练代码可以重现我们的分层生成网络：DeepSVG。 一个用于使用SVG数据进行深度学习的库，包括将功能导出到可区分的PyTorch张量。 SVG-Icons8数据集。 图形用户界面，显示用于矢量图形动画的DeepSVG演示。 更新 2020年12月：新增原料SVG的DataLoader（见部分）。 2020年9月：被

  3. 所属分类：其它

  1. pytorch：具有强大GPU加速功能的Python中的张量和动态神经网络-源码

  2. PyTorch是一个Python软件包，提供了两个高级功能： 具有强大GPU加速功能的Tensor计算（如NumPy） 基于基于磁带的autograd系统构建的深度神经网络 您可以在需要时重用自己喜欢的Python软件包（例如NumPy，SciPy和Cython）来扩展PyTorch。 系统 3.6 3.7 3.8 Linux CPU — Linux GPU — Windows CPU / GPU — — Linux（ppc64le）CPU — — Linux（pp

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：17mb
    • 提供者：weixin_42112685

  1. torchrl：强化学习算法的Pytorch实现（软演员评论员（SAC）DDPG TD3 DQN A2C PPO TRPO）-源码

  2. 火炬RL RL方法的Pytorch实现 支持具有连续和离散动作空间的环境。 支持具有1d和3d观察空间的环境。 支持多进程环境 要求 一般要求 火炬1.7 健身房（0.10.9） Mujoco（1.50.1） 列表（用于日志） tensorboardX（日志文件输出） 张量板要求 Tensorflow：启动tensorboard或读取tf记录中的日志 安装 使用use environment.yml创建虚拟环境 conda create -f environment.ym

  3. 所属分类：其它

    • 发布日期：2021-02-01
    • 文件大小：170kb
    • 提供者：weixin_42123191

  1. pytorch张量创建与操作

  2. 张量创建 1. 直接创建 1.1 torch.tensor() 1.2 torch.from_numpy(ndarray) #从numpy创建tensor， 与原ndarray共享内存 2. 通过数值创建 2.1 torch.zeros() torch.zeros_like() torch.ones() torch.ones_like() torch.full() torch.full_like() 2.2 等差数列 torch.arange() #左闭右开，设置数列步长 torch.ra

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：468kb
    • 提供者：weixin_38631049
« 12 »