TensorFlow: 静态图 TensorFlow: 静态图 译者：@yongjay13 、@speedmancs 校对者：@bringtree 本例中的全连接神经网络有一个隐藏层, 后接ReLU激活层, 并且不带偏置参数. 训练时通过最小化欧式距离的平方, 来学习从x到y的映射. 在实现中, 我们会用基本的TensorFlow操...

如何在PaddlePaddle中使用VisualDL 如何在Keras中使用VisualDL 在MXNet中使用VisualDL 如何在PyTorch中使用VisualDL

GPU acceleration Supported GPUs Supported images PyTorch Setting up a GPU-accelerated ML node Preparing an NVIDIA ML node Preparing AWS Inferentia ML node Ubuntu 20.04 Amazon ...

Windows 常见问题 源码构建 包含可选组件 加速 Windows 的 CUDA 构建 一个关键的安装脚本 扩展 CFFI 扩展 Cpp 扩展 安装 在 win-32 中找不到包 为什么没有 Windows 的 Python 2 包？ 导入错误 用法(多进程处理） 无 if 语句保护的多进程处理错误 多进程处理错误 “损坏的管道”...

GPU acceleration Supported GPUs Supported images PyTorch Setting up a GPU-accelerated ML node Preparing an NVIDIA ML node Preparing AWS Inferentia ML node Ubuntu 20.04 Amazon ...

GPU acceleration Supported GPUs Supported images PyTorch Setting up a GPU-accelerated ML node Preparing an NVIDIA ML node Preparing AWS Inferentia ML node Ubuntu 20.04 Amazon ...

引言 引言 在这部分，您将了解 MegEngine 的基础概念和基本使用方法。 为了学习这部分内容，您需要： 根据 安装说明 成功安装 MegEngine。 具备 Python 和 NumPy 的基础知识。 您不需要： 了解其它的深度学习框架，如 PyTorch。 具备机器学习和深度神经网络的背景知识。 这部分...

2.2 数据操作 2.2.1 创建Tensor 2.2.2 操作 算术操作 索引 改变形状 线性代数 2.2.3 广播机制 2.2.4 运算的内存开销 2.2.5 Tensor和NumPy相互转换 Tensor转NumPy NumPy数组转Tensor 2.2.6 Tensor on GPU 2.2 数据操作 在深度学习中，我...

自动求导机制 CUDA语义 扩展PyTorch 多进程最佳实践 序列化语义

torchaudio教程 打开数据集 从Kaldi迁移到Torchaudio 结论 torchaudio教程 译者：片刻 校验：片刻 PyTorch是一个开源深度学习平台，提供了从研究原型到具有GPU支持的生产部署的无缝路径。 解决机器学习问题的巨大努力在于数据准备。torchaudio利用PyTorch的GPU支持，并提供许多...