书栈网 · BookStack 本次搜索耗时 0.052 秒,为您找到 836 个相关结果.
  • Data Science Package for Python

    Data Science Package for Python 2.7 Modules Data Science Package for Python 3.9 Modules Installing a Data Science Package for Python Uninstalling a Data Science Package for Pyth...
  • 数据加载和处理教程

    数据加载和处理教程 数据集类 转换(Transforms) 组合转换(Compose transforms) 遍历数据集 后记:torchvision 数据加载和处理教程 作者 :Sasank Chilamkurthy 校验:宁采晨 解决任何机器学习问题都需要花费大量精力来准备数据。PyTorch提供了许多工具来简化数据加载过...
  • 9.9 语义分割和数据集

    9.9 语义分割和数据集 9.9.1 图像分割和实例分割 9.9.2 Pascal VOC2012语义分割数据集 9.9.2.1 预处理数据 9.9.2.2 自定义语义分割数据集类 9.9.2.3 读取数据集 小结 练习 参考文献 9.9 语义分割和数据集 在前几节讨论的目标检测问题中,我们一直使用方形边界框来标注和预测图像中的目标。...
  • 数据加载和处理教程

    数据加载和处理教程 Dataset类 Transforms Compose transforms 迭代整个数据集 后记: torchvision 数据加载和处理教程 译者:@distant1219 校对者:@bringtree 作者 : Sasank Chilamkurthy 在解决机器学习问题时, 我们需要付出很多努力来...
  • Building Python Function-based Components

    Building Python Function-based Components Before you begin Getting started with Python function-based components Building Python function-based components Using and installing Py...
  • Hooks

    Model hooks What are hooks? class Hook [source] Hook.hook_fn [source] Hook.remove [source] Context Manager Hook.__enter__ [source] Hook.__exit__ [source] hook_outp...
  • 模型并行化最佳实践

    模型并行化最佳实践 基本用法 在现有模块上应用模型并行化 用流水线输入加速 模型并行化最佳实践 作者 :Shen Li 译者 :Hamish 校验 :Hamish 模型并行化在分布式训练技术中被广泛使用。先前的文章已经解释了如何使用DataParallel 在多个GPU上训练神经网络。此功能将相同的模型复制到所有GPU,其中每...
  • Consistent 与 Mirrored 视角

    Consistent 与 Mirrored 视角 数据并行与模型并行 数据并行图示 模型并行图示 两类占位符 在 OneFlow 中使用 mirrored 视角 代码 代码解读 在 OneFlow 中使用 consistent 视角 代码 代码解读 扩展 Consistent 与 Mirrored 视角 在进行分布式训练时,One...
  • Consistent 与 Mirrored 视角

    Consistent 与 Mirrored 视角 数据并行与模型并行 数据并行图示 模型并行图示 两类占位符 在 OneFlow 中使用 mirrored 视角 代码 代码解读 在 OneFlow 中使用 consistent 视角 代码 代码解读 扩展 Consistent 与 Mirrored 视角 在进行分布式训练时,One...
  • 序列到序列与nn.Transformer和TorchText建模

    序列对序列建模nn.Transformer和TorchText 定义模型 加载和整合数据 生成训练数据(输入和目标输出)的函数 初始化模型 运行模型 使用测试集评价模型 序列对序列建模nn.Transformer和TorchText 译者:dabney777 校验:dabney777 本教程将会使用 nn.Transform...