-
分布式 RPC 框架入门
分布式 RPC 框架入门 使用 RPC 和 RRef 的分布式强化学习 使用分布式 Autograd 和分布式优化器的分布式 RNN 分布式 RPC 框架入门 原文：https://pytorch.org/tutorials/intermediate/rpc_tutorial.html 作者 ：Shen Li 先决条件： PyTo... -
11 ChatGPT+翻译
11 ChatGPT+翻译 11 ChatGPT+翻译 以对话的方式进行翻译 ChatGPT可以翻译小段文本，下面是一个例子。 Q：请将以下的英文文本翻译成中文： ChatGPT is underpinned by a large language model that requires massive amounts of data to fu... -
跟着例子学习 PyTorch
跟着例子学习 PyTorch Tensors Warm-up: numpy PyTorch: Tensors Autograd PyTorch: Variables and autograd PyTorch: Defining new autograd functions TensorFlow: Static Graphs nn module... -
音频 I/O 和torchaudio的预处理
音频 I/O 和torchaudio 的预处理 打开文件 转换 函数 从 Kaldi 迁移到torchaudio 可用数据集 总结 音频 I/O 和torchaudio 的预处理 原文：https://pytorch.org/tutorials/beginner/audio_preprocessing_tutorial.html ... -
第七章 幕后的技术路径
第七章 幕后的技术路径 第七章 幕后的技术路径 当然，AIGC能力的提升，并不是一蹴而就的，而是经历了漫长且复杂的“模型突破—大幅提升—规模化生产—遇到障碍—再模型突破—大幅提升”的循环发展过程。而AIGC要实现商业化落地应用，走进人类生活，就必须在资源消耗、学习门槛等方面做到平民化。 AIGC的成功主要得益于基础的生成算法模型不断突破创新。比如为人... -
使用 Ray Tune 的超参数调整
使用 Ray Tune 的超参数调整 设置/导入 数据加载器 可配置的神经网络 训练函数 通过DataParallel 添加（多）GPU 支持 与 Ray Tune 交流 完整的训练函数 测试集准确率 配置搜索空间 使用 Ray Tune 的超参数调整 原文：https://pytorch.org/tutorials/beginne... -
LSTM 单词语言模型上的动态量化（beta）
LSTM 单词语言模型上的动态量化（beta） 简介 1.定义模型 2.加载文本数据 3.加载预先训练的模型 4.测试动态量化 总结 LSTM 单词语言模型上的动态量化（beta） 原文：https://pytorch.org/tutorials/advanced/dynamic_quantization_tutorial.html ... -
基与字符级RNN(Char-RNN）的人名生成
基与字符级RNN(Char-RNN）的人名生成 数据准备 创建网络 训练 训练前的准备 网络的训练 绘制损失 网络采样 练习 基与字符级RNN(Char-RNN）的人名生成 译者：@jianchengss 作者 : Sean Robertson 在 上一个教程 里我们使用RNN把名字分类到它所属的语言中, 这次我们改变一... -
训练玩马里奥的 RL 智能体
训练玩马里奥的 RL 智能体 RL 定义 环境 初始化环境 预处理环境 智能体 行动 缓存和回忆 学习 神经网络 TD 估计和 TD 目标 更新模型 保存检查点 全部放在一起 日志记录 开始吧！ 总结 训练玩马里奥的 RL 智能体 原文：https://pytorch.org/tutorials/intermediat... -
自序
自序 自序 2022年11月，OpenAI公司的ChatGPT面世了。出于对新技术的好奇，我在2023年1月进行了试用。2月2日，在北京和一些同行交流“如何提高工作效率”的时候，我和他们谈起了ChatGPT，但那时因为很多人都没有使用过ChatGPT，所以大家对它并没有强烈的感觉。2月6日，当我还在离开北京的高铁上时，就有同事给我打电话，说现在的微信朋...
