pytorch

装不满的克莱因瓶

自动微分的原理：计算图与前向传播目录前言一、什么是自动微分数值微分符号微分二、自动微分的本质三、什么是计算图（Computation Graph）

吴佳浩 Alben

pytorch 你不学?_EP01_环境准备与安装验证作者：吴佳浩 | 撰稿：2026-05-25|最后更新:2026-6-11 | 实测：RTX 5090 + 96GB + Windows 11

torch：tensor的运算torch.pow()等价与**平方根相关函数指数与幂注意：对负数开平方会得到 nan（实数域），如需复数请用 torch.complex64

Kaiwu-PyTorch-Plugin v0.2.0发布|支持Q-Diffusion，生成任务能力再拓宽Kaiwu-PyTorch-Plugin于6月初正式发布v0.2.0版本，本次更新的核心为：把量子/经典能量模型的“判断力”注入到生成模型和表征学习中。具体如下：

装不满的克莱因瓶

循环神经网络及LSTM——从序列建模到长期依赖记忆机制目录一、前言二、RNN是什么（一）基本定义（二）核心思想（三）结构特点三、RNN结构详解（一）时间展开结构

装不满的克莱因瓶

NLP中的卷积神经网络CNN——从图像卷积到文本特征提取的跨界应用目录一、前言二、什么是NLP中的CNN（一）基本定义（二）一句话理解（三）核心思想三、CNN如何处理文本

【Pytorch 实践1】手写数字创建数据加载器模型会对整个训练集学习100遍大概在40次最优利用训练好的模型进行数字识别模型准备度不够，识别为7（貌似对8的识别误差较大）

（七）GPT2中文生成模型定制化微调训练[附源码]上一篇文章完成了 BERT 微调效果的系统测试与验收指标设计。本章进入生成式模型领域：使用 Hugging Face 上的 GPT-2 中文预训练模型，在本地语料上微调，训练一个中文古诗词生成模型。

装不满的克莱因瓶

PyTorch 与它的自动微分工具：Autograd目录前言一、什么是 Autograd二、Autograd 的核心思想三、requires_grad 的作用

PyTorch 2.x核心变革torch.compile()，Triton 是其中最重要的 kernel 生成方式之一PyTorch 2.x 用“编译器化体系（torch.compile）”，Triton 是其中最重要的 kernel 生成方式之一，而不是唯一或默认替代 CUDA kernel。

【深度学习】PyTorch CNN 手写数字识别（卷积神经网络）使用 PyTorch 框架搭建卷积神经网络（CNN），识别 MNIST 数据集中的手写数字（0-9）。简单来说：让电脑学会看懂手写的 0-9 数字，就像人认数字一样。在运行代码前，必须安装依赖库，打开电脑的命令提示符（CMD）/ 终端，执行以下命令：

PyTorch 2.0 生产级部署与性能优化指南torch.compile 通过图捕获和算子融合将训练速度提升 30-200%。三种模式：default（平衡）、reduce-overhead（小 batch 优化）、max-autotune（极致推理性能）。

torch：transpose和permute的用法图像通道调整：(B, H, W, C) → (B, C, H, W) 用 permute(0, 3, 1, 2)

从零搭建卷积神经网络：基于PyTorch实现MNIST手写数字分类MNIST数据集是深度学习领域的“Hello World”，它包含70,000张28x28的灰度手写数字图像，是入门图像分类任务的绝佳选择。本文将手把手带你使用PyTorch构建一个简洁而高效的卷积神经网络（CNN），完成对MNIST数据集的训练与评估。文章会逐步解读每一段代码的含义，从数据加载、模型构建、训练循环到测试评估，并结合完整的训练日志分析模型的收敛过程。最终我们的模型在测试集上达到了99.03%的准确率，损失值从最初的2.3逐步下降至接近0，直观展示了CNN在图像识别任务上的强大能力。无论你是

直接冲冲冲

pytorch-深度学习-引言(1)传统软件开发特点(2)传统编程的局限面对天气预测、问答、图像识别、个性化推荐等任务，人工难以设计完整逻辑：任务模式动态变化、内在关联极度复杂，相关计算也超出人类认知与设计能力。

MLflow 实验追踪与模型注册：从实验到生产的可复现工作流一个典型的机器学习项目会经历数十甚至上百次实验：调整学习率、更换模型架构、尝试不同的特征组合、修改数据预处理方式。每次实验都产生一组参数、一组指标、一个模型文件——但这些信息分散在 Notebook 的单元格中、散落在不同版本的脚本里、保存在各个目录下。三周后，当需要复现某个结果时，发现已经记不清"那次最好的实验到底用了什么参数"。

torch：view和reshape的区别注意：元素总数必须不变，否则抛出错误。两者都用于改变张量的形状（不改变元素总数），但内部行为略有不同：

ONNX从入门到精通大全对于深度学习模型来说，模型部署指让训练好的模型在特定环境中运行的过程。相比于软件部署，模型部署会面临的难题：

PyTorch+CNN实现衣物分类使用CNN卷积神经网络，实现一个识别衣物种类的模型。代码下载：【免费】PyTorch+CNN实现衣物分类代码资源-CSDN下载

torch.gather 用法笔记torch.gather 的作用是：基本语法：其中：torch.gather 有一个非常重要的规则：也就是说：